Você está na página 1de 91

Daniel Cruz Cavalieri

Interface Homem-Maquina para uma


Cadeira de Rodas Baseada no Movimento
Ocular e Piscadas de Olhos
Dissertac ao apresentada `a Coordenac ao do
Mestrado em Engenharia Eletrica da Uni-
versidade Federal do Esprito Santo para a
obtenc ao do ttulo de Mestre em Engenharia
Eletrica.
Orientador:
Prof. Dr. Teodiano Freire Bastos Filho
Co-orientador:
Prof. Dr. Mario Sarcinelli Filho
Mestrado em Engenharia El

etrica
Departamento de Engenharia El

etrica
Centro Tecnol

ogico
Universidade Federal do Esp

rito Santo
Vitoria ES
Setembro / 2007
Dados Internacionais de Catalogao-na-publicao (CIP)
(Biblioteca Central da Universidade Federal do Esprito Santo, ES, Brasil)
Cavalieri, Daniel Cruz, 1982-
C314i Interface homem-mquina para uma cadeira de rodas baseada no
movimento ocular e piscadas de olhos / Daniel Cruz Cavalieri. 2007.
89 f. : il.
Orientador: Teodiano Freire Bastos Filho.
Co-Orientador: Mrio Sarcinelli Filho.
Dissertao (mestrado) Universidade Federal do Esprito Santo,
Centro Tecnolgico.
1. Interao homem-mquina. 2. Processamento de sinais - Tcnicas
digitais. 3. Reconhecimento de padres ticos. 4. Reabilitao. 5. Sistemas
homem-mquina. I. Bastos Filho, Teodiano Freire. II. Sarcinelli Filho,
Mrio. III. Universidade Federal do Esprito Santo. Centro Tecnolgico.
IV. Ttulo.
CDU: 621.3
Dissertac ao de Mestrado sob o ttulo Interface Homem-Maquina para uma Cadeira
de Rodas Baseada no Movimento Ocular e Piscadas de Olhos, defendida por Daniel Cruz
Cavalieri e aprovada em 24 de setembro de 2007, em Vitoria, Esprito Santo, pela banca
examinadora constituda pelos doutores:
Prof. Dr. Teodiano Freire Bastos Filho
Universidade Federal do Esprito Santo
Orientador
Prof. Dr. Mario Sarcinelli Filho
Universidade Federal do Esprito Santo
Co-orientador
Prof. Dr. Humberto Ferasoli Filho
Universidade Estadual Paulista
Profa. Dra. Raquel Frizera Vassalo
Universidade Federal do Esprito Santo
Dedico esta Dissertacao `a minha famlia,
cujo apoio, alegria e uniao foram de grande importancia
para a conclusao de mais esta etapa da minha vida.
Agradecimentos
A realizacao deste trabalho so foi possvel atraves da valiosa contribuicao de algumas
pessoas, as quais expresso minha sincera gratidao:
Aos meus pais, Elizier e Elide pela minha formacao e por terem me concedido a
oportunidade de estudar, alem de sempre apoiarem meus sonhos. Ao meu irmao Leandro
pela alegria da convivencia e apoio constante.
`
A Karla pelo apoio vital e por quase sempre compreender minha ausencia.
Ao professor Dr. Teodiano Freire Bastos Filho pelo privilegio de sua orienta cao du-
rante a elaborac ao deste trabalho, por acreditar no meu potencial, pelos conselhos e
amizade.
Ao professor Dr. Mario Sarcinelli Filho pelos puxoes de orelha na hora certa e pelos
conselhos sempre corretos.
Aos companheiros do LAI pela experiencias compartilhadas, pelos trabalhos realizados
e pelos bons momentos vividos. Especialmente, `a Mariana, pelo sorriso, carinho, forca, e
por sempre estar, literalmente, ao meu lado.
Ao meu amigo e irmao siames Alexandre Brandao pelos momentos de companhia, des-
contrac ao e cumplicidade. Aos amigos da graduac ao pelas otimas lembrancas e amizade
sempre revigoradas.
Aos professores participantes da banca examinadora Raquel Frizera Vassalo e Hum-
berto Ferasoli Filho, pela boa vontade ao aceitar o convite para participar da banca, pela
leitura criteriosa e contribuic ao neste trabalho.
Finalmente, a todas as pessoas que contriburam, mesmo que de forma anonima, `a
realizac ao deste trabalho.
Para as pessoas, a tecnologia torna as coisas mais faceis.
Para as pessoas com deciencia, a tecnologia torna as coisas possiveis.
Mary Pat Radabaugh
Resumo
Cavalieri, D. C. (2007) Interface Homem-Maquina para uma Cadeira de Rodas Baseada
no Movimento Ocular e Piscadas de Olhos. Vitoria, Outubro de 2007. 90p. Dissertac ao
(Mestrado) - Departamento de Engenharia Eletrica, Universidade Federal do Esprito
Santo.
Este trabalho tem a nalidade de desenvolver interfaces homem-maquina para comu-
nicac ao de pessoas com deciencia com um PDA (Personal Digital Assistant ) e, pos-
teriormente, para controle de uma cadeira de rodas robotica. Foram implementadas
duas interfaces, uma baseada no sinal mioeletrico proveniente da piscada de olhos, e
outra baseada no rastreamento do movimento dos olhos, atraves de videooculograa. No
primeiro caso, foram avaliadas tecnicas de ltragem digital classica a m de atenuar os
rudos que corrompem o sinal mioeletrico. Tambem foram implementados e analisados
sistemas de reconhecimento e deteccao de padroes associados `a piscada de olhos. Ini-
cialmente, utilizou-se uma tecnica simples de analise de atividade, baseada na variancia
do sinal, para detectar a realizacao da piscada. Posteriormente, com o intuito de classi-
cac ao e reduc ao do efeito estocastico do sinal mioeletrico da piscada, utilizaram-se redes
neurais articiais feedforward, cuja estrutura e composta por uma camada de entrada,
uma intermediaria e uma de sada, treinadas com algoritmos Bayesian Regularization,
Resilient Backpropagation e Scaled Conjugate Gradient. Com o intuito de expandir as
possibilidades do usuario com deciencia severa e suprir alguns problemas encontrados na
interface baseada no sinal mioeletrico da piscada de olhos, implementou-se tambem um
sistema de rastreamento do movimento dos olhos. Nesta interface de baixo custo, foram
empregadas tecnicas de processamento de imagens aliadas `a aplicac ao da Transformada
Circular Randomica de Hough. Alem disso, com o objetivo de aumentar a resoluc ao
do sistema, utilizou-se um ltro de Kalman nas coordenas x e y do centro determinado
pelo calculo do centroide da regiao de interesse a partir da localizacao da ris do olho.
Avaliou-se tambem nesta interface problemas ocasionados pela diferenca de intensidade
luminosa e pela piscada de olhos. Em ambas as interfaces desenvolvidas, os resultados en-
contrados mostraram-se bastante satisfatorios, sendo em alguns casos superiores a outros
encontrados na literatura.
Palavras-chave: Interfaces Homem-Maquina, Sinais Mioeletricos, Processamento Digi-
tal de Sinais, Reconhecimento de Padr oes, Videooculograa, Engenharia de Reabilitac ao.
Abstract
This work has the purpose of developing human-machine interfaces for people with
disabilities in order to improve their life-quality, providing communication with a PDA
(Personal Digital Assistant) and then controling a robotic wheelchair. Both interfaces
have been implemented, one based on the myoelectric signal intentionally generated by
eye blinks, and another based on the eye-tracking through video-oculography. In the rst
case, classical techniques of digital ltering were used, in order to attenuate the noise which
corrupts the myoelectric signal. Techniques of pattern recognition have been implemented
for processing with eye blinks. Initially, a simplied system for the analysis of activity,
based on the variance of the signal, was implemented to detect the blink. Later, with
the purpose of classication and reduction of the stochastic eect of the signal, articial
neural networks were used, whose structure is composed of a input layer, an intermediate
and an output layer, trained with Bayesian Regularization, Resilient Backpropagation and
Scaled Conjugate Gradient algorithms. In order to expand the opportunities of people
with severe disabilities and resolve problems found at the interface based on eye blinks,
a system for eye-tracking was also implemented. This interface employed techniques
for image processing allied to the application of Randon Circular Transformed of Hough.
Furthermore, in order to increase the resolution of the system, a Kalman lter was applied
to the eye center coordinates which was determined through the centroid of the region of
interest from the iris location. Problems with this interface were also evaluated, which are
caused by the dierence in light intensity and the eye blinks. In both interfaces, results
have proved very satisfactory.
Palavras-chave: Human-Machine Interfaces, Myoelectric Signals, Digital Signal Process-
ing, Pattern Recognition, Video-Oculography, Rehabilitation Engineering.
Sumario
Lista de Figuras
Lista de Tabelas
1 Introducao p. 16
1.1 Motivac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 22
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 23
1.3 Trabalhos Correlatos . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 24
1.3.1 Sistemas e Projetos Baseados em Sinais Mioeletricos . . . . . . p. 24
1.3.2 Sistemas e Projetos de Detecc ao do Movimento dos Olhos . . . p. 25
1.4 Organizacao da dissertacao . . . . . . . . . . . . . . . . . . . . . . . . . p. 31
2 O Sinal Mioeletrico da Piscada de Olhos p. 32
2.1 Fisiologia da Contrac ao Muscular . . . . . . . . . . . . . . . . . . . . . p. 32
2.2 Caractersticas do SME de Superfcie . . . . . . . . . . . . . . . . . . . p. 35
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos . . . . . p. 36
2.3.1 Aquisic ao das Piscadas dos Olhos . . . . . . . . . . . . . . . . . p. 38
2.3.1.1 Bloco Analogico . . . . . . . . . . . . . . . . . . . . . p. 41
2.3.1.2 Bloco Digital . . . . . . . . . . . . . . . . . . . . . . . p. 42
2.4 Filtragem dos SMEs de Piscadas . . . . . . . . . . . . . . . . . . . . . p. 43
2.4.1 Fontes de Rudos e Interferencia . . . . . . . . . . . . . . . . . . p. 43
2.4.1.1 Interferencia da rede eletrica . . . . . . . . . . . . . . . p. 43
2.4.1.2 Artefatos de Movimento . . . . . . . . . . . . . . . . . p. 44
2.4.1.3 Rudos Musculares . . . . . . . . . . . . . . . . . . . . p. 44
2.4.1.4 Movimento dos Olhos . . . . . . . . . . . . . . . . . . p. 44
2.4.2 Tecnicas de Filtragem Aplicadas ao SME da Piscada . . . . . . p. 45
2.4.2.1 Filtragem Digital Classica . . . . . . . . . . . . . . . . p. 45
2.4.2.2 Filtragem dos Artefatos de Movimento . . . . . . . . . p. 47
2.4.2.3 Filtragem do Rudo Muscular . . . . . . . . . . . . . . p. 48
2.4.2.4 Filtragem dos Rudos da Rede Eletrica . . . . . . . . . p. 49
2.5 Deteccao e Identicac ao das Piscadas de Olhos . . . . . . . . . . . . . . p. 50
2.5.1 Analise de Atividade . . . . . . . . . . . . . . . . . . . . . . . . p. 51
2.5.2 Redes Neurais Articiais . . . . . . . . . . . . . . . . . . . . . . p. 52
2.5.2.1 Detecc ao do Pico da Piscada . . . . . . . . . . . . . . p. 56
2.5.2.2 Detecc ao do Intervalo de Duracao da Piscada . . . . . p. 57
2.5.2.3 Reconhecimento Automatico de Piscadas (RAP) . . . p. 60
2.6 Resultados Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . p. 60
2.6.1 Analise de Atividade . . . . . . . . . . . . . . . . . . . . . . . . p. 60
2.6.2 Redes Neurais Articiais . . . . . . . . . . . . . . . . . . . . . . p. 61
2.6.3 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 61
2.7 Problemas Associados `a Piscada de Olhos . . . . . . . . . . . . . . . . p. 62
3 Rastreamento do Movimento dos Olhos (Eye-Tracking) p. 64
3.1 Tecnicas de Rastreamento dos Olhos . . . . . . . . . . . . . . . . . . . p. 65
3.1.1 Eletrooculograa . . . . . . . . . . . . . . . . . . . . . . . . . . p. 65
3.1.2 Lentes de Contato Especiais . . . . . . . . . . . . . . . . . . . . p. 65
3.1.3 Reexo de Infravermelho (IR) . . . . . . . . . . . . . . . . . . . p. 65
3.1.4 Videooculograa . . . . . . . . . . . . . . . . . . . . . . . . . . p. 65
3.2 Descricao do Sistema Desenvolvido . . . . . . . . . . . . . . . . . . . . p. 66
3.2.1 Camara . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 67
3.2.2 Programa de Interface . . . . . . . . . . . . . . . . . . . . . . . p. 68
3.2.3 Binarizac ao da Imagem e Threshold . . . . . . . . . . . . . . . . p. 69
3.2.4 O Filtro Canny . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 70
3.2.5 Transformada Circular Randomica de Hough . . . . . . . . . . . p. 72
3.2.6 Calculo do Centr oide . . . . . . . . . . . . . . . . . . . . . . . . p. 77
3.3 Consideracoes Praticas para o Eye-Tracking . . . . . . . . . . . . . . . p. 79
3.3.1 Iluminac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 79
3.3.2 Piscada dos Olhos . . . . . . . . . . . . . . . . . . . . . . . . . . p. 80
4 Consideracoes Finais p. 81
4.1 Consideracoes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 81
4.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 82
Referencias p. 84
Lista de Figuras
1 Estrutura da interface homem-maquina baseada no sinal mioeletrico prove-
niente da piscada de olhos. . . . . . . . . . . . . . . . . . . . . . . . . . p. 18
2 Estrutura da interface homem-maquina baseada no rastreamento do movi-
mento dos olhos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 19
3 Tela principal de opcoes para o operador no PDA. . . . . . . . . . . . . p. 20
4 Telas de interface presentes no PDA. . . . . . . . . . . . . . . . . . . . p. 20
5 Estrutura geral da cadeira de rodas robotica. . . . . . . . . . . . . . . . p. 21
6 Cadeira de rodas robotica desenvolvida na UFES e as principais partes
que a compoem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 22
7 Sistemas de rastreamento (SMI). . . . . . . . . . . . . . . . . . . . . . p. 26
8 Sistema Express Eye. . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 27
9 Sistema Metrovisoncom base no IROG. . . . . . . . . . . . . . . . . . p. 28
10 Sistemas Metrovisionbaseado em VOG. . . . . . . . . . . . . . . . . . p. 28
11 Programas de comunicacao e entretenimento desenvolvidos para utilizac ao
em conjunto com o sistema EagleEyes. . . . . . . . . . . . . . . . . . p. 29
12 Dispositivo constitudo de camara e espelho especial montados em oculos
de protecao.

E possvel notar as camaras laterais colocadas estrategica-
mente com relacao ao espelho especial, e ainda uma camara superior para
determinar onde o usuario esta olhando. . . . . . . . . . . . . . . . . . p. 31
13 Neuronio Motor (adaptado de [1]). . . . . . . . . . . . . . . . . . . . . p. 33
14 Unidade Motora [2]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 34
15 Formac ao de um MUAP [3]. . . . . . . . . . . . . . . . . . . . . . . . . p. 34
16 Representac ao esquematica da geracao do sinal mioeletrico de um m usculo,
a partir do somatorio dos trens de MUAPs das n unidades motoras deste
m usculo [3]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 35
17 Espectro de freq uencia de um SME obtido do m usculo braquial anterior
durante uma forca de contrac ao isometrica constante com 50% de forca
volunt aria maxima (adaptado de [4]). . . . . . . . . . . . . . . . . . . . p. 36
18 Sinais tpicos provenientes da piscada do olho direito e do olho esquerdo. p. 37
19 (a) SME obtido da piscada proveniente do olho direito durante uma forca
de contra cao voluntaria.(b) Espectro de freq uencia do SME da piscada
do olho direito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 37
20 Principal grupo de m usculos responsaveis pela gerac ao das piscadas [5]. p. 38
21 (a) Eletrodos passivos de Ag-AgCl utilizados para aquisicao do SME da
piscada dos olhos. (b) Cabo para a conexao dos eletrodos ao sistema de
aquisic ao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 39
22 Representac ao de um amplicador diferencial captando o SME da pis-
cada dos olhos. O sinal e representado por m
i
e o rudo por n. . . . . . p. 40
23 Espectro de freq uencia do SME da piscada de olhos afetado pela local-
izac ao dos eletrodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 40
24 Placa analogica responsavel pelo acondicionamento do SME da piscada
do olho. Em destaque, os principais componentes que compoem a placa. p. 41
25 Placa responsavel pela convers ao A/D do SME proveniente da piscada
do olho. Em destaque, os principais componentes que compoe a placa. . p. 42
26 SMEs provenientes da piscada do olho direito contaminados com rudo
de artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro
passa-altas IIR Butterworth de ordem 2 e freq uencia de corte 0,15 Hz. . p. 47
27 SMEs provenientes da piscada do olho direito contaminados com rudo
de artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro
passa-altas FIR de ordem 2048 com janela de Kaiser e freq uencia de corte
em 0,15 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 48
28 SMEs provenientes da piscada do olho direito contaminados com rudo
de artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro
passa-altas FIR de ordem 696 com janela de Kaiser e freq uencia de corte
em 0,45 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 49
29 Em azul: SMEs provenientes da piscada do olho direito contaminados
com rudo muscular. Em vermelho: Sinal ltrado utilizando-se ltro IIR
Butterworth de 2
a
ordem e freq uencia de corte em 10 Hz. . . . . . . . . p. 50
30 Em azul: SMEs provenientes da piscada do olho direito contaminados
com rudo muscular. Em vermelho: Sinal ltrado utilizando-se ltro
FIR de ordem 71 com janela Kaiser e freq uencia de corte em 10 Hz. . . p. 51
31 Caractersticas de amplitude e fase de um ltro digital notch para remocao
do rudo de 60 Hz proveniente da rede eletrica. . . . . . . . . . . . . . . p. 52
32 Em azul: SMEs provenientes da piscada do olho direito contaminados
com rudo de 60 Hz da rede eletrica. Em vermelho: Sinal ltrado
utilizando-se ltro notch FIR de ordem 508 com janela Kaiser. . . . . . p. 53
33 Em azul: SMEs provenientes da piscada do olho direito contaminados
com rudo de 60 Hz da rede eletrica. Em vermelho: Sinal ltrado
utilizando-se ltro notch IIR de 2
a
ordem. . . . . . . . . . . . . . . . . p. 54
34 SME proveniente da piscada do olho direito e sua respectiva vari ancia. p. 54
35 SME proveniente da piscada do olho esquerdo e sua respectiva vari ancia. p. 54
36 Resultados encontrados utilizando-se o algoritmo baseado no metodo de
Pan-Tompkins, onde y
0
e o sinal normalizado; y
1
e o sinal apos a aplicacao
da derivada; y
2
representa a energia do sinal da derivada e y
3
o sinal apos
a aplicacao, em y
2
, de um ltro integral de janela-movel. . . . . . . . . p. 56
37 SMEs ltrados provenientes da piscadas de olhos com picos detectados. p. 57
38 Diagrama da rede neural com 4 neuronios na camada intermediaria.
Adaptado de [3]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 59
39 Camara montada em oculos de protec ao compondo o sistema de rastrea-
mento do movimento do olho. . . . . . . . . . . . . . . . . . . . . . . . p. 67
40 Visao geral do sistema implementado. . . . . . . . . . . . . . . . . . . . p. 68
41 Webcam Microsoft LifeCam VX-3000 utilizada para rastreamento dos
olhos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 68
42 Interface graca desenvolvida para rastreamento dos olhos. . . . . . . . p. 69
43 (a) Imagem original. (b) Imagem binarizada pela aplicac ao do threshold. p. 70
44 (a) Imagem original. (b) Imagem binarizada pela aplicac ao do detector
de bordas de Canny. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 72
45 Exemplo de crculo com pontos detectados sobre sua borda. . . . . . . p. 74
46 Retas tracadas a partir dos pontos escolhidos aleatoriamente sobre a
borda do crculo e intersecc ao das retas perpendiculares sobre o centro
do crculo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 74
47 Imagem da ris obtida a partir da aplicacao do ltro Canny. Em azul:
centros calculados utilizando-se a Transformada Circular Randomica de
Hough. Em vermelho: centro obtido a partir da media dos centros cal-
culados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 76
48 Imagem daris com presenca de artefatos, obtida a partir da aplicac ao do
ltro Canny. Em azul: centros calculados utilizando-se a Transformada
Circular Randomica de Hough. Em vermelho: centro obtido a partir
da media dos centros calculados. Nota-se claramente o deslocamento do
centro medio da ris, causado pelo calculo errado dos centros. . . . . . . p. 77
49 Coordenadas (x
c
) e y
c
do centro da ris com artefatos, onde e possvel
notar a presenca de outliers. . . . . . . . . . . . . . . . . . . . . . . . . p. 77
50 Em azul: coordenadas x
c
e y
c
originais do centroide daris. Em vermelho:
coordenadas ltradas utilizando-se o ltro de Kalman. . . . . . . . . . . p. 78
51 (a) Imagem adquirida com iluminacao natural. (b) Imagem adquirida
com o ajuste Pouca Luzativado. (c) Imagem adquirida com iluminac ao
proveniente de luminaria comum de mesa. . . . . . . . . . . . . . . . . p. 79
52 (a) Imagem original. (b) Imagem processada com centro de massa deter-
minado. (c) Imagem original onde e realizada uma piscada. (d) Imagem
processada com centro de massa deslocado pela piscada. . . . . . . . . p. 80
Lista de Tabelas
1 Relac ao entre a freq uencia de corte e a taxa de amostragem do CI AD7716. p. 42
2 RNAs com diferentes estruturas criadas para cada tipo de algoritmo de
treinamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 59
3 Melhores resultados encontrados pelas diferentes RNAs criadas. . . . . p. 60
4 Resultados encontrados para o sistema baseado na analise de atividade
do SME da piscada de olhos. . . . . . . . . . . . . . . . . . . . . . . . . p. 61
5 Resultados encontrados para o sistema baseado redes neurais articiais. p. 62
16
1 Introducao
As disfunc oes de origem neuromotoras constituem uma das principais causas de pro-
blemas associados `a fala e `a comunicac ao de indivduos com deciencia e o ambiente
que os cerca. No entanto, normalmente estas pessoas mantem um perfeito estado de
consciencia, o que permite que algumas tecnicas sejam desenvolvidas para prove-las de
meios pelos quais possam se comunicar de maneira ecaz. Soluc oes como rastreamento
do movimento dos olhos ou a utilizac ao de sinais biologicos, associadas a recursos com-
putacionais especcos, sao atualmente estudadas para que possibilitem, por exemplo,
que pessoas com deciencia motora utilizem interfaces, tais como tabuleiros pictogracos,
para comunicac ao e locomoc ao. Dentro deste contexto, sao utilizados os sinais mioeletricos
provenientes das piscadas de olhos e o processamento da imagem do globo ocular. No
primeiro caso, a ideia consiste em reconhecer as piscadas de olhos, representadas pelos
sinais mioeletricos adquiridos da face, para possvel selecao dos smbolos pictogracos
em um PDA (Personal Digital Assistant). Com o mesmo objetivo, realizou-se tambem
o processamento da imagem do globo ocular para rastreamento do movimento dos o-
lhos. Neste caso, o tipo de interface desenvolvida tem como foco principal possibilitar
a comunicac ao e mobilidade de pessoas com deciencia motora severa, que nao possuem
condic oes de utilizar a interface baseada na piscada de olhos.
Neste trabalho estao sendo consideradas pessoas com deciencia motora severa (ou
grave), todas aquelas que apresentam um acentuado comprometimento motor nos quatro
membros, o qual afete tanto as suas possibilidades de locomoc ao (utilizem cadeiras de
rodas), quanto `as possibilidades de interac ao e manipulac ao direta (sem adaptac oes) dos
objetos de seu meio, podendo esse comprometimento ser completo ou parcial.
Antes de descrever o sistema aqui implementado, e necessario introduzir alguns con-
ceitos gerais basicos nos quais o trabalho em questao esta inserido. Dentre eles estao as
Tecnologias de Apoio a Pessoas com Deciencia. A aplicac ao de tecnologias emergentes
na area das tecnologias de apoio tem originado a criacao de novos dispositivos que podem
contribuir para a melhoria signicativa da qualidade de vida de pessoas com deciencia e
1 Introducao 17
pessoas idosas. No caso das tecnologias de apoio `a comunica cao, estas permitem aos seus
utilizadores, por exemplo, a transmissao de uma mensagem selecionadas ao seu interlocu-
tor. Ja como sistemas de acesso ao computador, essas tecnologias integram uma gama
de perifericos, programas especiais e sistemas de emula cao de teclados e mouse [6]. Estes
perifericos e respectivos softwares permitem a utilizac ao do computador por pessoas com
disfunc ao grave. Desta forma, qualquer pessoa, independentemente da sua incapacidade,
podera escrever, desenhar, comunicar ou ate mesmo se locomover.
Outro conceito importante no qual este trabalho esta inserido e o de possibilitar a
Comunicac ao Aumentativa. Esta refere-se a qualquer tipo de comunicac ao suplementar
ou de suporte que complemente o processo de comunica cao, ajudando uma pessoa a co-
municar e a interagir com o meio ao seu redor [6]. Existem diversos sistemas aumentativos
de comunicac ao, desde gestos ou signos manuais, a quadros de comunicac ao baseados em
sistemas de smbolos gracos ate sistemas mais sosticados baseados no uso das Tecnolo-
gias de Informacao e Comunicac ao. Estes sistemas aumentativos podem servir como um
meio de comunicac ao temporario ou a longo prazo, e podem ser utilizados por pessoas
afetadas por paralisia cerebral, autismo, deciencia mental, acidentes vasculares cerebrais,
traumatismos cranio-encef alicos, doencas neurologicas progressivas, etc.
Dentro destes contextos, procurou-se desenvolver neste trabalho Interfaces Homem-
Maquina robustas capazes de possibilitar a comunicac ao aumentativa e locomoc ao de
pessoas com deciencia motora severa.
A estrutura da primeira interface desenvolvida, baseada em piscada de olhos, e a
forma como ela interage com o usuario e a cadeira de rodas e mostrada na Figura 1. O
sinal mioeletrico da piscada de olhos, adquirido atraves de eletrodos colocados estrategi-
camente na face, e condicionado e quantizado atraves de um conversor analogico-digital
de alta resolucao. Enviado para o computador atraves de uma porta paralela, tal sinal
e ltrado por um ltro digital passa-banda com banda de passagem entre 0,45 e 15 Hz.
Posteriormente, extrados as caractersticas de interesse, neste caso as piscadas de olhos,
estas sao entregues ao classicador para detectar se a pessoa com deciencia deseja ou
nao selecionar um smbolo mostrado na tela do PDA. Inicialmente, utilizou-se um metodo
simples de detecc ao de piscadas de olhos, a partir da variabilidade dos sinais mioeletricos
faciais [47]. Posteriormente, a detecc ao e classicac ao das piscadas foi feita utilizando-se
redes neurais articiais (RNA) do tipo feedforward, treinadas com os algoritmos Bayesian
Regularization (BR), Resilient Backpropagation (RP) e Scaled Conjugate Gradient (SCG).
Estas foram capazes de detectar piscadas relativas ao olho direito (SME com pico posi-
1 Introducao 18
tivo) e ao olho esquerdo (SME com pico negativo), alem de serem capazes de distinguir
possveis artefatos. Caso o usuario selecione umcone, o PDA envia um comando, atraves
da interface de comunicac ao serial, para o proximo modulo, o qual e responsavel por gerar
as acoes de controle necessarias para executar a escolha do usuario, as quais podem estar
relacionadas `a locomocao da cadeira ou `a comunicac ao com as pessoas ao redor.
No entanto, existem alguns problemas inerentes associados ao uso da interface baseada
no sinal mioeletrico das piscadas de olhos. Dentre eles, podemos destacar espasmos mus-
culares involuntarios e a propria diculdade da pessoa com deciencia em realizar as
piscadas de olhos.
Assim, uma alternativa para estes problemas foi desenvolver uma interface baseada
no rastreamento do movimento do globo ocular.
Figura 1: Estrutura da interface homem-maquina baseada no sinal mioeletrico
proveniente da piscada de olhos.
A estrutura da segunda interface desenvolvida, baseada no rastreamento do movi-
mento dos olhos, e apresentada na Figura 2. Novamente, a forma como ela interage com o
usuario com deciencia e como este pode se comunicar com a cadeira de rodas e mostrada.
Nesta interface, a imagem do globo ocular e capturada por uma camara montada em um
oculos de protec ao e processada por um software. Neste software, e aplicado um threshold
`a imagem do globo ocular com intuito de separar a ris de outras partes da face. Porem,
1 Introducao 19
esta tecnica simples sofre interferencia da presenca da sobrancelha e dos clios. Assim,
a partir da Transformada Randomica Circular de Hough e da aplicacao de um Filtro
Canny para detecc ao de borda, e possvel detectar a ris e, entao, encontrar uma regiao
de interesse onde e realizado o calculo do centroide da imagem binarizada. No entanto,
devido `a inuencia da iluminac ao no processamento de imagem, utilizou-se ainda um Fil-
tro de Kalman, com o intuito de reduzir o erro cometido durante o calculo do centr oide,
aumentando assim a resolucao e precisao do sistema de rastreamento do movimento do
globo ocular. Novamente, caso o usuario da cadeira queira selecionar um cone no PDA,
este dever a xar os olhos na opcao desejada e apos alguns segundos pre-determinados um
sinal de selecao sera enviado ao PDA, e este, por sua vez, envia um sinal ao modulo de
controle da cadeira de rodas.
Figura 2: Estrutura da interface homem-maquina baseada no rastreamento do
movimento dos olhos.
O PDA mostrado nas Figuras 1 e 2 e instalado a bordo da cadeira de rodas, de
tal forma que esteja sempre visvel para o usuario. O PDA apresenta uma interface
graca contendo uma tela principal com as possveis operac oes para o operador (Figura 3),
incluindo os movimentos pre-programados da cadeira, um teclado virtual para edic ao de
textos, e smbolos para expressar algumas necessidades basicas ou sentimentos da pessoa
com deciencia, tais como sono, sede, fome, frio, calor, etc (Figuras 4). Em todos os casos,
1 Introducao 20
e possvel escolher uma opcao de varredura dos cones no PDA, dependendo do tipo de
interface homem-maquina escolhido. A varredura pode ser automatica para as interfaces
baseadas na piscada de olhos, ou cursor livre para o caso do rastreamento do movimento
dos olhos. Alem disso, o PDA conta com sinais ac usticos que conrma a escolha do
usuario, promovendo assim, a realimenta cao `a pessoa com deciencia, e permitindo que
este se comunique com as pessoas ao seu redor.
Figura 3: Tela principal de opc oes para o operador no PDA.
(a) Tela de Movimento. (b) Tela de edicao de Texto. (c) Tela de Estados.
Figura 4: Telas de interface presentes no PDA.
A cadeira de rodas robotica engloba alguns modulos. Comecando pelo hardware de
baixo nvel, o sistema e composto por uma placa onde e realizado o acionamento dos
motores e o condicionamento dos sinais provenientes dos sensores instalados na cadeira
1 Introducao 21
de rodas(encoders, ultra-som, RFID, infravermelho e sensores magneticos). Para realizar
a interface entre os sinais de controle e o sistema de alto nvel composto pelo computador,
a cadeira e equipada por um microcontrolador MSP430 da Texas Instruments, Inc..
Alem disso, outras duas placas compoem o sistema, as duas sao responsaveis pela
aquisic ao e dos sinais mioeletricos. A primeira placa ltra e amplica o sinal mioeletrico
e o envia para a segunda placa, onde e realizada a conversao analogica-digital do sinal
adquirido. Posteriormente, esta placa envia o sinal quantizado ao computador de bordo
pela porta paralela. Atraves destes sinais mioeletricos, o usuario pode comandar a cadeira,
escrever textos e expressar estados (sentimentos ou necessidades), usando o PDA como
entrada do sistema. No caso em que se utilize movimento do globo ocular como sinal
de comando, e utilizada uma camara de vdeo para captar tais movimentos. Neste caso,
a comunicac ao com a camara e realizada atraves de interface USB com o computador.
Outras opcoes de comunicac ao com dispositivos de imagem, como a Fire-Wire, tambem
esta disponvel para utilizac ao e possvel teste do sistema de rastreamento dos olhos.
A Figura 5 ilustra a estrutura geral da cadeira de rodas robotica e como estes har-
dwares estao conectados.
Figura 5: Estrutura geral da cadeira de rodas robotica.
Na Figura 6 e mostrada a cadeira de rodas robotica desenvolvida na UFES, com seus
principais componentes destacados.
1.1 Motivacao 22
Figura 6: Cadeira de rodas robotica desenvolvida na UFES e as principais partes que a
compoem.
1.1 Motivacao
Nos ultimos anos, a expectativa de vida da populacao mundial tem aumentado bas-
tante. Devido a esse fato, observa-se que o n umero de pessoas com algum tipo de
deciencia tambem cresceu. No Brasil por exemplo, dados do Censo 2000 mostram que,
aproximadamente, 4,6 milhoes de pessoas, ou 14,5% da populacao total, apresentaram
algum tipo de incapacidade ou deciencia. Sao pessoas com ao menos alguma diculdade
de enxergar, ouvir, locomover-se ou alguma deciencia fsica ou mental.

E importante
destacar tambem que a proporc ao de pessoa scom deciencia aumenta com a idade, pas-
sando de 4,3% nas criancas ate 14 anos, para 54% do total das pessoas com idade superior
a 65 anos.
`
A medida que a estrutura da populac ao esta mais envelhecida, a proporcao de
pessoas com deciencia aumenta, surgindo um novo elenco de demandas para atender as
necessidades especcas deste grupo [7].
Dentro deste contexto, encontra-se em desenvolvimento uma cadeira de rodas robotica
no Laboratorio de Automac ao Inteligente (LAI) do Departamento de Engenharia Eletrica
(DEL) da Universidade Federal do Esprito Santo (UFES). Esta cadeira e destinada a
pessoas com deciencia motora severa. Quando o usuario possui uma capacidade de
manipulac ao intacta, ele pode utilizar um joystick para controlar uma cadeira de rodas
motorizada comercial. Entretanto, quando a pessoa com deciencia possui uma mobili-
dade muito reduzida ou nula, tal como e o caso de pessoas tetraplegicas, com Esclerose
Lateral Amiotroca, tumores na Medula Espinhal, alguns tipos de Distroa Muscular e
outros tipos de deciencia, ela pode passar o resto de sua vida em completo estado de
1.2 Objetivos 23
isolamento, devido `a diculdade (ou impossibilidade) de comunicac ao e impossibilidade
de locomoc ao.
O Projeto de Pesquisa em questao assume duas grandes frentes de trabalho: uma
envolvendo diretamente a cadeira de rodas, e outra responsavel por desenvolver interfaces,
baseadas em sinais biologicos (EMG, VOG e EEG), que permitam a uma pessoa com
deciencia motora severa comandar o veculo de forma simples e eciente.
1.2 Objetivos
Os objetivos especcos deste trabalho sao o estudo, simulac ao, experimenta cao e
avalia cao de tecnicas de reconhecimento de padroes associadas ao sinal mioeletrico da
piscada de olhos, analise de um sistema de rastreamento do movimento dos olhos, e
comunicac ao das interfaces com o PDA e, conseq uentemente, com a cadeira de rodas
robotica.
Foram ltrados sinais mioeletricos de piscadas de olhos contaminados com artefatos
de movimento, rudos musculares e interferencia da rede eletrica. Analisou-se apenas
tecnicas de ltragem digital classica FIR e IIR.
Inicialmente, foi realizado o reconhecimento dos padroes do sinal mioeletrico da pis-
cada utilizando-se uma tecnica simples de analise de atividade. Posteriormente, foi im-
plementada uma rede neural articial com topologia feedforward e treinamento backprop-
agation. O treinamento da rede neural foi realizado utilizando-se um banco de dados de
piscada gerado no LAI/UFES.
No desenvolvimento da interface de rastreamento do movimento dos olhos foram uti-
lizadas tecnicas baseadas no Filtro de Canny, binarizac ao da imagem e Transformada
Circular Randomica de Hough, alem do calculo do centr oide da regiao de interesse de-
terminada a partir da detecc ao da ris. Posteriormente, utilizou-se um Filtro de Kalman
para aumentar a precisao da tecnica de rastreamento utilizada.
A avaliac ao destas tecnicas visa fornecer subsdios para posterior implementa cao de
ambas em software utilizando linguagem C++ e C# e, assim, possa ser utilizada para
comunicac ao aumentativa e comando da cadeiras de rodas robotica por uma pessoa com
deciencia.
1.3 Trabalhos Correlatos 24
1.3 Trabalhos Correlatos
1.3.1 Sistemas e Projetos Baseados em Sinais Mioeletricos
Infelizmente a bibliograa associada a sistemas e projetos baseados em sinais mioeletricos
(SME) provenientes de piscadas de olhos e muito escassa. Em contrapartida, trabalhos
associados `a utilizac ao de sinais mioeletricos provenientes de outras partes do corpo e bas-
tante extenso. Sendo assim, optou-se por destacar alguns dos principais trabalhos nesta
linha, cujas tecnicas sao semelhantes `as adotadas neste trabalho.
Como base para os trabalhos atualmente desenvolvidos, e importante destacar os
trabalhos desenvolvidos em [9], [10] e [11]. No primeiro, foi possvel determinar o inter-
valo no qual o sinal mioeletrico possui caractersticas determinsticas, o que possibilitou
a aplicac ao da maioria dos classicadores atualmente utilizados. O segundo trabalho
apresenta uma tecnica robusta de classicac ao de sinais mioeletricos de membros superi-
ores, onde utilizou-se wavelets, PCAs (Principal Analysis Components) e Transformada
de Fourier. Alem disso, o trabalho em questao realizou uma comparacao precisa entre
outros classicadores como o LDA (Linear Discriminant Analysis) e o MLP (Multi-Layer
Perceptron). Ja o terceiro foi um dos primeiros trabalhos que utilizou RNAs para separar
os sinais provenientes de uma contracao muscular volunt aria de rudos musculares.
A partir da surgiram trabalhos que utilizam outras tecnicas de classicac ao do SME
proveniente dos membros superiores. Neste contexto, e interessante citar o trabalho de-
senvolvido por [12]. Neste trabalho, os autores utilizaram SVD (Singular Value Decom-
position) associados a RNAs para classicac ao dos SMEs de membros superiores. Os
resultados encontrados neste trabalho se mostraram superiores aos trabalho desenvolvi-
dos anteriormente por [10].

E importante destacar tambem alguns trabalhos aplicados `a criac ao de proteses de


maos ou pernas, alem do controle de veculos moveis. Para a criacao de proteses de maos,
podemos citar os trabalhos desenvolvidos por [13], [14], [15] e [16]. Ja para trabalhos rela-
cionados ao desenvolvimento de proteses de pernas, e interessante destacar as pesquisas
realizadas por [17] e [18]. Dentro do contexto de controle de veculos moveis por sinais
mioeletricos, e importante citar o trabalho realizado por [19], onde utilizaram-se sinais
provenientes da piscada de olhos para controlar um robo movel Pioneer 2-DX. Apesar
de bastante eciente, a tecnica estatstica utilizada nao levava em consideracao os efeitos
estocasticos do SME da piscada de olhos. Outro trabalho que merece destaque nesta linha
e o realizado por [20], onde utilizaram-se sinais mioeletricos para o controle de disposi-
1.3 Trabalhos Correlatos 25
tivos moveis para tetraplegicos. A tecnica utilizada e bastante simples, sendo a detecc ao
da atividade muscular realizada por um detector de limiar baseado no valor RMS (Root
Mean Square) do sinal mioeletrico.

E interessante tambem, citar alguns trabalhos relevantes ao estudo do sinal mioeletrico


facial. Dentro deste contexto, um dos primeiros trabalhos a estudar este tipo de sinal foi
realizado em [21], onde os pesquisadores estudaram o SME a partir do movimento da boca
durante a fala. A partir da, outros trabalhos mais recentes, como o apresentado em [22]
e [23], fazem um estudo mais aprofundado do sinal mioeletrico facial, alem de analisar a
inuencia de outros m usculos faciais durante uma contracao volunt aria.
Em [24] foi realizada uma revisao de varios trabalhos relevantes `a aplicacao e estudo
do eletromiograma facial. Alem disso, foram elaboradas varias recomendac oes praticas
quanto `a aquisic ao do SME facial.
Finalmente, e importante destacar alguns trabalhos relevantes ao estudo e aplicacao
do sinal mioeletrico proveniente de piscadas de olhos. Como mencionado anteriormente,
a bibliograa referente `a aplicac ao e estudo deste sinal e escassa. Porem, alguns trabalhos
merecem atenc ao e serviram de base teorica para o desenvolvido aqui. O primeiro deles e o
desenvolvido em [25], onde foi realizado um estudo bastante completo do SME proveniente
de piscadas de olhos. Outro trabalho relevante para o desenvolvido aqui foi o realizado
por [26], onde os autores utilizaram RNAs articiais para classicar os SMEs provenientes
do m usculo corrugador do superclio e do m usculo frontal. Neste trabalho sao utilizadas
wavelets e ltros digitais classicos para realizar o pre-processamento do SME. As RNAs
trabalhando de maneira oine apresentaram acertos que variam entre 96 e 99%, porem,
dada a complexidade dos algoritmos utilizados, novos estudos devem ser realizados para
a aplicacao deste sistema em tempo real.
1.3.2 Sistemas e Projetos de Deteccao do Movimento dos Olhos
Nesta sec ao sera realizado um estudo dos principais trabalhos e projetos baseados na
detecc ao do movimento dos olhos ou direcao do olhar, assim como os principais sistemas
comerciais encontrados na literatura.
Existem numerosas bases de dados de fabricantes de sistemas de detecc ao do movi-
mento dos olhos, porem, o estudo aqui realizado tomou como base de dados as referencias
encontradas em [27], onde sao comentados os principais sistemas existentes e suas princi-
pais caractersticas.
1.3 Trabalhos Correlatos 26
A maioria dos sistemas de deteccao da posicao ocular utilizam videooculograa (VOG,
do ingles Video-Oculography) ou oculograa infravermelha (IROG, do ingles Infrared Ocu-
lography). Dentro deste contexto, vale ressaltar as pesquisas desenvolvidas pela empresa
alema SensoMotoric Instruments (SMI) [28]. O modelo 3D-VOG utiliza um sistema de
cabeca livrepara detectar a posic ao ocular. Este sistema permite ao usuario mover a
cabeca e falar sem cometer erros na localizac ao do olho. O sistema possui resolucao de
0,05
o
na horizontal e vertical. Ja o modelo H.E.D (Head-Mounted Eye Tracking Device),
realiza o seguimento dos olhos atraves de uma lente colocada estrategicamente no usuario.
Ha tambem o modelo R.E.D (Remote Eye Tracking Device), onde o sistema e montado
em frente ao usuario e, portanto, evita o contato com o mesmo. Este sistema consegue
resoluc ao que varia entre 0,1
o
a 0,5
o
dependendo do processamento de imagens utilizado.
Na Figura 7 sao mostrados os modelos supracitados.

E importante destacar tambem os
programas desenvolvidos por esta empresa, sendo de maior destaque o programa BeGaze
para rastreamento da face e dos olhos. Com este software e possvel realizar a detecc ao de
piscadas, medir a pupila, realizar a analise de varios objetos em uma imagem e exportar
os resultados para outras aplicac oes.
(a) Modelo 3D-VOG. (b) Modelo RED. (c) Modelo HED.
Figura 7: Sistemas de rastreamento (SMI).
O sistema Express Eye [29], desenvolvido na universidade alema University Freiburg,
e um sistema de seguimento ocular que utiliza IROG. Um emissor de raio infravermelho
e colocado proximo ao olho (cerca de 2 cm de distancia) e e utilizado uma camara CCD
para detecc ao da pupila. A unidade composta pela camara pode ser ajustada nas tres
dimensoes, possibilitando um ajuste no do sistema. A resolucao maxima obtida neste
sistema e de 0,1
o
, variando com seu campo de medida, que abrange 15
o
na horizontal e
8
o
na vertical. A Figura 8 ilustra o sistema descrito.

E interessante destacar tambem o sistema Metrovision [30], desenvolvido pela em-


presa francesa Metrovision. Este sistema incorpora as seguintes tecnicas de deteccao do
1.3 Trabalhos Correlatos 27
Figura 8: Sistema Express Eye.
movimento dos olhos:
Eletrooculograa (EOG):

E medido o potencial cornea-retina, atraves de eletrodos
colocados estrategicamente na face. A aquisicao e realizada em ambos os olhos
simultaneamente. Com esta tecnica, e possvel realizar estudos eletrosiologicos
1
do
sistema visual.
Oculograa Infravermelha (IROG): Utilizando uma camara CCD e LEDs infraver-
melhos. Este sistema e capaz de realizar exames como Pupilometria (Figura 9),
Contraste de Sensibilidade, entre outros.
Videooculograma (VOG): Atraves de uma camara colocada em frente ao usuario,
como mostrado na Figura 10(a), e feita a aquisicao da imagem dos olhos ou da
cabeca, sendo que, neste ultimo, e utilizado um software de localizacao dos olhos.
Atraves deste sistema, denominado Visioboard, e possvel acessar varios disposi-
tivos em um PC ou ate mesmo em dispositivos externos (Figura 10(b)).
O sistema ERICA(Eye Response Interface Computer Aid System) [31], desenvolvido
pela empresa americana ERICA Incorporated, e um sistema baseado em IROG com varias
aplicac oes, dentre elas merecem destaque o Visual Keyboard, que e uma interface de
escrita; o GazeTracker, que apresenta uma janela onde e mostrada a direc ao do olhar; e
o Video-Analysis, que e um software de processamento de sinais.
1
A eletrosiologia consiste no estudo das propriedades eletricas em celulas e tecidos. Na neurociencia
inclui medidas das atividades eletricas de neuronios, e particularmente da atividade do potencial de acao
na conducao de estmulo nervoso que ocorre nas bras neuro-musculares excitaveis. A transmissao de
impulsos nervosos ocorre atraves de sinapses eletricas e qumicas.
1.3 Trabalhos Correlatos 28
Figura 9: Sistema Metrovisoncom base no IROG.
(a) Sistema utilizado para a deteccao do movimento
ocular e da cabeca.
(b) Acesso a dispositivos externos.
Figura 10: Sistemas Metrovisionbaseado em VOG.
Outros sistemas na mesma linha sao: o sistema EyeTech, desenvolvido pela empresa
americana EyeTech Digital Systems, baseado em tecnicas de VOG; o modelo Vision-
Key, desenvolvido pela empresa canadense H. K. EyeCan Ltd, baseado em IROG, que
permite acesso a varios programas para ajuda `a comunicac ao aumentativa de pessoas com
deciencia; o sistema NAC EMR-7, desenvolvido pela empresa americana NAC Image
Technology, que tambem utiliza tecnicas baseadas em IROG; e o sistema Eyetrace, de-
senvolvido pela empresa sueca Iota EyeTrace System AB, que permite detectar, atraves
de tecnicas de IROG, movimentos horizontais e verticais com resolucoes de 15
o
e 10
o
,
respectivamente, e resolucoes de ate 0,01

[27].
1.3 Trabalhos Correlatos 29
Atualmente, o sistema EagleEyes [32], desenvolvido pelo Computer Science De-
partment, e um dos principais trabalhos para ajuda a pessoas com deciencia. Utilizando
tecnicas baseadas em eletrooculograa o usuario simula o movimento de um mouse atraves
da combinac ao de movimentos dos olhos e cabeca. Este projeto tem desenvolvido varios
softwares de entretenimento e comunicac ao para pessoas com deciencia, como mostrado
nas Figuras 11(a) e 11(b).
(a) Teclado virtual.
(b) Software de entretenimento (MidasTouch Pro-
gram).
Figura 11: Programas de comunicacao e entretenimento desenvolvidos para utilizac ao
em conjunto com o sistema EagleEyes.
O sinal de EOG (Eletrooculograma) detectado movimenta o cursor do mouse, sendo
que as ac oes de clicks ao geradas automaticamente a partir de um intervalo de tempo em
que o sinal de EOG permanece constante [27]. O registro do eletrooculograma e realizado
atraves de cinco eletrodos colocados estrategicamente na face.
Citados alguns dos principais projetos comerciais que envolvem o rastreamento do
movimentos dos olhos, torna-se interessante destacar tambem os principais trabalhos de
pesquisa relacionados ao tema deste trabalho. Existem varios trabalhos nesta linha de
pesquisa, sendo que, neste caso, optou-se por destacar os que mais se aproximam do
trabalho aqui proposto. Dentro deste contexto, torna-se relevante destacar o trabalho
proposto por [33], onde e proposto um algoritmo que, em conjunto com um camara CCD,
realiza um histograma da imagem do olho e aplica um threshold com o objetivo de isolar
a imagem do olho do restante da face. Feito isso, o algoritmo procura o maior crculo na
imagem binarizada. Infelizmente, este algoritmo e, como todos os sistemas baseados em
VOG, sensvel `a iluminac ao.
Com o intuito de reduzir o efeito da iluminacao em sistemas baseados em VOG,
1.3 Trabalhos Correlatos 30
e interessante destacar o trabalho proposto por [34], que propoe um modelo para a ris,
obtida a partir da imagem do olho. Atraves da aplicacao de um ltro de detecc ao de bordas
sao determinados os parametros morfologicos do modelo da ris.

E suposto inicialmente
que a imagem possui caractersticas Gaussianas e, posteriormente, aplica-se um ltro
otimizado para a deteccao exata da ris e, conseq uentemente, dos seus parametros. Os
resultados encontrados mostraram-se bastante satisfatorios, sendo sua gama de aplicac oes
ampliada ate o estudo de diagnosticos de doencas neurologicas.

E interessante destacar tambem o trabalho proposto por [35], cujo objetivo e de-
senvolver um sistema de rastreamento dos olhos de baixo custo. Foram utilizadas duas
camaras, sendo uma delas uma webcam comercial. Este trabalho e baseado em IROG,
sendo determinada uma regiao de interesse a partir da localizac ao, atraves da Transfor-
mada Circular de Hough, da ris. Alem disso, este trabalho apresenta um algoritmo de
calibrac ao, onde tenta-se transpor as coordenadas do centro da ris detectada para uma
tela de computador.
Outro trabalho de destaque, e que se aproxima do aqui realizado, e o proposto por [36],
onde uma camara CCD, em conjunto com um espelho especial, e montada em um oculos
de protec ao, como mostrado na Figura 12(a). Este espelho, denominado hot mirror,
tem como principais caractersticas reetir os raios infravermelhos quando estes incidem
a um angulo de aproximadamente 45
o
, alem de nao atrapalhar a visao do usuario. Assim,
utilizando tecnicas de IROG e camaras montadas com 45
o
, e possvel realizar o rastrea-
mento do movimento dos olhos. Apesar de apresentar resultados interessantes quando
aplicado a um sistema de deteccao do olhar, este sistema apresentou alguns problemas de
velocidade de processamento.
Por ultimo, e interessante destacar tambem trabalhos que utilizam tecnicas diferentes,
como em [37], onde primeiramente se detectam os olhos e bocas, e, posteriormente, realiza-
se o rastreamento do movimento dos olhos. Na Universidade de Cambridge, existe um
grupo de pesquisa que ha muitos anos trabalha com o rastreamento dos olhos aplicado `a
realidade virtual [38].
Outra tecnica utilizada e baseada no uso de redes neurais articiais (RNAs). A
maioria destes sistemas sao utilizados para reconhecimento da face, e nao para realizar o
rastreamento do movimento dos olhos [27]. Uma excec ao e o trabalho realizado por [39],
onde utiliza-se o rastreamento dos olhos para controlar um veculo, chamado NAVLAB
1, durante um percurso de aproximadamente 34 Km.
1.4 Organizac ao da dissertacao 31
(a) Usuario utilizando o dispositivo. (b) Detalhes do dispositivo desenvolvido.
Figura 12: Dispositivo constitudo de camara e espelho especial montados em oculos de
protec ao.

E possvel notar as camaras laterais colocadas estrategicamente com relac ao
ao espelho especial, e ainda uma camara superior para determinar onde o usuario esta
olhando.
1.4 Organizacao da dissertacao
Na redacao desta Dissertacao foi realizada uma divisao em captulos, atendendo aos
principais temas contidos no desenvolvimento da mesma.
No Captulo 1 (Introduc ao), sao apresentados alguns conceitos gerais importantes
sobre as Tecnologias para Apoio a Pessoas com Deciencia, alem da denic ao dos objetivos
a serem alcancados durante o desenvolvimento deste trabalho. Sao apresentados tambem
alguns trabalhos correlatos ao desenvolvido aqui.
No Captulo 2, e realizado um estudo aprofundado do sinal mioeletrico proveniente
de piscadas de olhos, assim como tecnicas de ltragem e reconhecimento das mesmas.
No Captulo 3, e descrita a interface baseada no rastreamento do movimento dos olhos.
Sao estudadas tecnicas de processamento de imagens para deteccao da ris e calculo do
centr oide da regiao de interesse do globo ocular.
Finalmente, o Captulo 4 apresenta as considerac oes nais e trabalhos futuros.
32
2 O Sinal Mioeletrico da Piscada
de Olhos
O sinal mioeletrico, de uma forma geral, e proveniente do potencial de acao que
percorre a bra muscular levando-a `a contra cao. A primeira deducao logica de que um
m usculo gera correntes eletricas foi documentada pelo italiano Francesco Redi, em 1666.
Ele suspeitou que o choque eletrico provocado por uma enguia era de origem muscu-
lar. Porem, somente 1838, Carlos Mateucci demonstrou a evidencia da atividade eletrica
durante a contra cao muscular, utilizando-se dos primeiros galvanometros [3].
No entanto, apenas apos o surgimento do tubo de raios catodicos, em 1897 por Braun,
tornou-se possvel estudar a morfologia do sinal eletrico. Herberth S. Gasser e Joseph
Erlanger foram os primeiros a apresentar as caractersticas do sinal mioeletrico de forma
graca, utilizando para isso um osciloscopio [3].
A partir de ent ao, a Eletromiograa (EMG), que e o estudo das funcoes musculares
provenientes da captura dos Sinais Mioeletricos (SME), comecou a utilizar dispositivos
para deteccao, amplicac ao e apresentacao do SME de forma graca [3]. Somente no
nal da decada de 60 iniciou-se o uso de computadores para processamento do SME,
obtendo-se informacoes mais consistentes do sinal.
Atualmente, os SMEs, associados a recursos computacionais especcos, e uma solucao
largamente estudada para controle de dispositivos utilizados na Engenharia de Reabilitacao
ou ate mesmo em robotica movel [19].
2.1 Fisiologia da Contracao Muscular
O fenomeno da contrac ao inicia-se com o potencial de acao disparado a partir da
bra nervosa, comumente conhecido como neuronio motor (Figura 13). Este processo
ainda envolve a transmissao sinaptica e os potenciais de ac ao musculares, que somados
representam o sinal mioeletrico.
2.1 Fisiologia da Contracao Muscular 33
Figura 13: Neuronio Motor (adaptado de [1]).
Resumidamente, a siologia da contrac ao muscular ocorre de acordo com as seguintes
etapas [40]:
1. Um potencial de ac ao trafega ao longo de um nervo motor ate suas terminacoes nas
bras musculares.
2. Em cada terminacao, o nervo secreta uma pequena quantidade de substancia neu-
rotransmissora, a acetilcolina.
3. Essa substancia atua sobre uma area localizada na membrana da bra muscular,
desencadeando o potencial de acao na bra muscular.
4. O potencial de ac ao cursa ao longo da membrana da bra muscular liberando ons
de calcio e desencadeando reac oes qumicas que resultam no processo contr atil.
5. Apos uma fracao de segundo, os ons de calcio liberados na etapa anterior sao
bombeados de volta e armazenados ate que surja novo potencial de acao; essa
remoc ao poe m `a contrac ao muscular.
Cada neuronio motor que emerge da medula espinhal inerva varias bras musculares,
sendo 100 bras para cada neuronio a media para o corpo humano [40]. Esse neuronio
motor, juntamente com suas junc oes musculares e bras musculares constituem a unidade
motora, que e a menor unidade muscular control avel (Figura 14).
O potencial de ac ao neural gerado pelo neuronio motor estimula todas as bras mus-
culares produzindo, por sua vez, um potencial de ac ao muscular em cada uma delas.
2.1 Fisiologia da Contracao Muscular 34
Figura 14: Unidade Motora [2].
A soma algebrica destes potenciais e comumente conhecida como Potencial de Acao da
Unidade Motora (do ingles MUAP - Motor Unit Action Potencial ). A Figura 15 apresenta
a formacao de um MUAP, representado por h(t), formado pela adic ao dos potenciais de
ac ao das n bras musculares.
Figura 15: Formac ao de um MUAP [3].
Um MUAP e caracterizado por ser de curta durac ao temporal, geralmente na faixa de
2 a 10 ms, com amplitudes que variam entre 100 V e 2 mV, e larga banda de freq uencia,
de 5 Hz a 10 kKz [41].
Dada a curta duracao do MUAP, para que possa ser mantida a contrac ao muscular
das unidades motoras, e necessaria uma seq uencia de MUAPs. A essa seq uencia da-se o
2.2 Caractersticas do SME de Superfcie 35
nome de MUAPT, ou trem de MUAPs. Quanto maior a freq uencia de MUAPs nas bras
musculares, maior a forca de contracao proporcionada por essas bras [42].
Os MUAPs, ao percorrerem as bras musculares, geram um campo eletromagnetico
nas redondezas das bras. Um eletrodo, localizado dentro deste campo, e capaz de detec-
tar o potencial eletrico referente a uma contrac ao muscular, denominado Sinal Mioeletrico
(SME) [3].
2.2 Caractersticas do SME de Superfcie
Devido ao fato do sinal mioeletrico ser formado pela soma de diferentes MUAPs,
provenientes da ativacao assncrona dos motoneuronios pela medula espinhal (Figura 16),
e pela possibilidade da participacao de mais de um m usculo no movimento de contrac ao,
o SME e descrito como um processo estocastico [43, 44]. Porem, recentemente, alguns
trabalhos demonstraram que o SME possui caractersticas determinsticas nos 200 ms
iniciais de contrac ao [9].
Figura 16: Representacao esquematica da gerac ao do sinal mioeletrico de um m usculo, a
partir do somatorio dos trens de MUAPs das n unidades motoras deste m usculo [3].
O SME medido a partir de eletrodos de superfcie apresenta uma amplitude maxima
na faixa de 100 V a 2 mV [41], alem de componentes freq uencias desde 0 ate 500 Hz [3].
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 36
A maior concentracao de energia do sinal se encontra dentro da faixa de 50 a 150 Hz [4].
Estes valores dependem do m usculo analisado, do nvel de contra cao e do posicionamento
dos eletrodos.
Um exemplo do espectro de potencia de um SME e apresentado na Figura 17.
Figura 17: Espectro de freq uencia de um SME obtido do m usculo braquial anterior
durante uma forca de contracao isometrica constante com 50% de forca voluntaria
maxima (adaptado de [4]).
2.3 Caractersticas dos SMEs Proveniente das Pis-
cadas dos Olhos
No caso especco da contrac ao muscular associada `as piscadas dos olhos, os sinais
capturados apresentam amplitudes na faixa de 0,1 a 10 mV, variando de acordo com a
posicao dos eletrodos e com a intensidade da forca aplicada durante a piscada (Figura 18).
Alem disso, o SME das piscadas apresenta componentes freq uencias desde 0 ate cerca de
35 Hz, com energia concentrada principalmente entre 0,15 e 5 Hz. A Figura 19 ilustra o
espectro de potencia tpico de SME proveniente da piscada dos olhos.
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 37
0 5 10 15
0.15
0.1
0.05
0
0.05
S
M
E

O
l
h
o

D
i
r
e
i
t
o

(
m
V
)
0 5 10 15
0.3
0.25
0.2
0.15
0.1
0.05
Tempo (s)
S
M
E

O
l
h
o

E
s
q
u
e
r
d
o

(
m
V
)
Figura 18: Sinais tpicos provenientes da piscada do olho direito e do olho esquerdo.
0 10 20 30 40 50 60 70
0
100
200
300
400
500
600
700
Frequencia (Hz)
P
o
t
e
n
c
i
a
Figura 19: (a) SME obtido da piscada proveniente do olho direito durante uma forca de
contrac ao voluntaria.(b) Espectro de freq uencia do SME da piscada do olho direito.
Vale destacar na Figura 19 a presenca do rudo proveniente da rede eletrica (60 Hz).
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 38
Tal rudo sera estudado posteriormente nas sec oes seguintes.
Os principais m usculos responsaveis pelas piscadas dos olhos sao:
M usculo Frontal: Faz parte do m usculo do couro cabeludo denominado oc-
ciptofrontal e tem como func ao elevar os superclios (olhar de surpresa) e produzir
rugas transversais quando se franze a fronte.
M usculo Orbicular do Olho:

E o esfncter
1
do olho. Estimula o uxo da lagrima,
ajudando a esvaziar o saco lacrimal.

E formado pela parte orbital, responsavel
pelo fechamento dos olhos, protegendo contra excesso de luz e poeira, e pela parte
palpebral, responsavel pelo leve fechamento da palpebra evitando o ressecamento
da cornea.
Corrugador dos Superclios:

E o responsavel pelo movimento dos superclios.
Na Figura 20 sao apresentados estes m usculos.
Figura 20: Principal grupo de m usculos responsaveis pela gerac ao das piscadas [5].
Posteriormente, a partir da localizacao dos m usculos responsaveis pela piscada, determinou-
se a melhor posicao para a colocac ao dos eletrodos de superfcie.
2.3.1 Aquisicao das Piscadas dos Olhos
A escolha da posic ao dos eletrodos, juntamente com o sistema de aquisic ao denem
os aspectos mais importantes na aquisicao do SME provenientes de piscadas de olhos. A
1
Esfncter e uma estrutura, geralmente um m usculo de bras circulares concentricas dispostas em
forma de anel, que controla o grau de amplitude de um determinado orifcio.
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 39
delidade do SME detectado inuencia todo o tratamento subseq uente do sinal. Dentro
deste contexto, algumas caractersticas importantes devem ser levadas em considerac ao.
O SME pode ser obtido com conguracoes monopolar ou bipolar. Na monopolar sao
utilizados dois eletrodos, sendo um utilizado como referencia. Na conguracao bipolar
sao utilizados dois eletrodos montados de forma diferencial em relac ao a uma referencia.
Para ambas as conguracoes normalmente utilizam-se eletrodos confeccionados com prata
revestida com cloreto de prata (Ag-AgCl), pois e um metal nobre nao-polarizavel, evitando
a inducao de um nvel CC nos eletrodos de deteccao [3].
Especicamente neste trabalho, utilizaram-se eletrodos de superfcie passivos e cabos
de conexao de alta impedancia ( 40 M), mostrados na Figura 21, para a obtenc ao do
SME da piscada. Os eletrodos consistem em discos de Ag-AgCl, que devem ser posiciona-
dos acima da pele. Para a obtenc ao de melhores resultados, pode-se remover a camada
supercial da pele, utilizando-se alcool 70%, e deve-se aguardar cerca de 10 minutos, a
m de que a impedancia de contato entre o eletrodo e a pele diminua e estabilize. Como
os eletrodos sao localizados na face, em locais onde nao ha pelos, nao e necessario realizar
a raspagem dos mesmos (tricotomia).
Figura 21: (a) Eletrodos passivos de Ag-AgCl utilizados para aquisicao do SME da
piscada dos olhos. (b) Cabo para a conexao dos eletrodos ao sistema de aquisic ao.
A captura da piscada dos olhos e feita de forma diferencial, utilizando-se eletrodos de
superfcie posicionados estrategicamente na face (Figura 22). A inuencia da localizacao
dos eletrodos na amplitude e freq uencia do SME da piscada pode ser vista na Figura 23.
Com base nas informacoes de amplitude e freq uencia do SME da piscada apresentada
na Figura 23, a localizacao ideal para a colocacao dos eletrodos e entre o m usculo frontal
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 40
Figura 22: Representac ao de um amplicador diferencial captando o SME da piscada
dos olhos. O sinal e representado por m
i
e o rudo por n.
Figura 23: Espectro de freq uencia do SME da piscada de olhos afetado pela localizac ao
dos eletrodos.
e o m usculo orbicular, logo acima do corrugador do superclio. Nesta localizac ao, o SME
da piscada apresenta maior amplitude.
O sistema de aquisic ao utilizado para a captura do SME proveniente das piscadas dos
olhos e composto por dois blocos: um analogico e outro digital. Tambem fazem parte
do sistema a fonte de alimentac ao, os cabos de conexao e duas baterias de chumbo-acido
seladas de 12 V / 7 Ah.
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 41
2.3.1.1 Bloco Analogico
Nesta etapa do sistema de aquisic ao, apresentado na Figura 24, encontra-se a fonte
de alimenta cao de +5 / -5 V de baixo rudo, uma etapa de amplicac ao e uma etapa de
ltragem.
A fonte de alimentac ao e composta por reguladores de tensao de precisao UA723,
da Texas Instruments, e tem como principal caracterstica diminuir o rudo de 60 Hz
proveniente da rede eletrica.
A etapa de amplicac ao do sinal e feita por amplicadores de precisao INA118, da
Burr-Brown, recomendado para aplicacoes biomedicas. Este tem como principais carac-
tersticas baixa tensao de oset (50 V maximo) e baixo rudo (0,28 Vp-p) [45].
Ja a ltragem e realizada por dois ltros Butterworth de 4
a
ordem passa-altas, um
para cada sinal do olho. A freq uencia de corte destes e de 0,1 Hz, e tem como objetivo
reduzir o rudo na linha de base do sinal adquirido, sem interferir na faixa de freq uencia
do sinal onde se concentra a maior quantidade de energia.
Figura 24: Placa analogica responsavel pelo acondicionamento do SME da piscada do
olho. Em destaque, os principais componentes que compoem a placa.
2.3 Caractersticas dos SMEs Proveniente das Piscadas dos Olhos 42
2.3.1.2 Bloco Digital
Esta etapa, caracterizada na Figura 25, realiza a conversao Analogico-Digital (A/D)
do sinal proveniente do bloco analogico, uma ltragem do sinal utilizando um ltro passa-
baixas, para, em seguida, discretiza-lo, enviando-o pela porta paralela do computador. A
placa possui quatro canais de entrada para os sinais adquiridos, com um buer especco
para cada um dos canais [45].
Toda a etapa digital e baseada no circuito integrado (CI) da Analog Devices AD7716,
que tem como principais caractersticas quatro conversores A/D de 22-bit, alem de um
ltro passa-baixas com freq uencia de corte programavel e resposta em fase linear [46].
Alem disso, a freq uencia de amostragem do dispositivo e funcao da freq uencia de corte
escolhida, como mostrado na Tabela 1.
Figura 25: Placa responsavel pela conversao A/D do SME proveniente da piscada do
olho. Em destaque, os principais componentes que compoe a placa.
Tabela 1: Relac ao entre a freq uencia de corte e a taxa de amostragem do CI AD7716.
Freq uencia de Corte (Hz) Taxa de Amostragem (Hz)
36,5 140
73 279
146 558
292 1116
584 2232
2.4 Filtragem dos SMEs de Piscadas 43
2.4 Filtragem dos SMEs de Piscadas
A maioria dos sinais biologicos possuem baixa amplitude e sao acompanhados de
outros sinais de varias origens. Qualquer sinal diferente do sinal de interesse pode ser
caracterizado como interferencia, artefato ou simplesmente rudo [47]. As fontes de rudos
podem ser siologicas, do instrumento utilizado, ou do ambiente onde se realiza a aquisicao
do sinal. Assim, e importante conhecer as caractersticas do sinal de interesse e dos sinais
que dever ao ser rejeitados. Nas sec oes anteriores caracterizou-se o SME proveniente das
piscadas dos olhos, assim como sua aquisicao. Nesta sec ao serao apresentados alguns
rudos caractersticos do SME de piscadas de olhos, alem de possveis soluc oes para a
melhora do mesmo.
2.4.1 Fontes de Rudos e Interferencia
As principais fontes de rudos que interferem na aquisic ao do SME da piscada sao
provenientes da inducao magnetica da rede eletrica, artefatos de movimento (potencial
eletrodo-pele, movimento dos equipamento e dos cabos) e rudo muscular (aquisic ao de
SME de m usculos vizinhos), alem da interferencia causada pelo movimento do globo
ocular.
2.4.1.1 Interferencia da rede eletrica
Os rudos provenientes da rede eletrica sao responsaveis pelo maior dano causado
ao sinal mioeletrico da piscada, pois esta presente em todo o cotidiano da maioria da
populacao, alem de possuir amplitude de energia razoavel se comparado `as amplitudes de
energia do SME das piscadas, como pode ser visto na Figura 19.
Varias tecnicas podem ser utilizadas para atenuar a interferencia da rede eletrica na
captac ao dos sinais biologicos, como por exemplo, trancar os, coletar dados em ambientes
adequados e adotar uma parte do corpo do paciente como terra [3]. Porem, estas tecnicas
nao eliminam completamente a presenca do rudo da rede eletrica.
Dentro deste contexto, ltros especiais podem ser utilizados para melhor ltragem do
sinal, tal como o ltro notch. Apesar do rudo de 60 Hz nao estar dentro da faixa de maior
energia do SME da piscada do olho, o ltro deve possuir uma banda de corte estreita para
nao afetar o sinal mioeletrico da piscada.
2.4 Filtragem dos SMEs de Piscadas 44
2.4.1.2 Artefatos de Movimento
Artefatos de movimentos sao mudancas transitorias na linha de base do SME causadas
por mudancas na interface eletrodo-pele devido ao movimento dos cabos e eletrodos de
captac ao, resultante de movimentac ao do paciente ou de vibrac ao do equipamento [48].
A interferencia proveniente dos artefatos e de baixa freq uencia e, neste caso, um
ltro de alta freq uencia pode ser utilizado. De acordo com as caractersticas do SME da
piscada do olhos, apresentada na Figura 19, e recomendado o uso de um ltro passa-alta
com freq uencia de corte de 0,15 Hz. Deste modo, pode-se atenuar a inuencia destes
rudos e melhorar a linha de base do SME proveniente das piscadas dos olhos.
2.4.1.3 Rudos Musculares
Os rudos musculares sao provenientes principalmente da interferencia causada pela
aquisic ao de SME de m usculos vizinhos ao m usculo onde e captado o sinal da piscada.
Esta interferencia tem como principal caracterstica alta freq uencia, e, portanto, a
melhor soluc ao e utilizar ltros passa-baixas. Como o SME de piscadas apresenta compo-
nentes entre 0 e 35 Hz, pode-se utilizar ltros passa-baixas com freq uencia de corte nesta
faixa. Outra opc ao e a utilizacao de ltros media-movel para a suaviza cao do sinal.
2.4.1.4 Movimento dos Olhos
O potencial gerado pelo movimento do globo ocular ou eletrooculograma (EOG)
tambem pode ser caracterizado como uma fonte de interferencia bastante danosa para
o SME proveniente das piscadas.
A amplitude do sinal de EOG esta na faixa de 0,05 a 3,5 mV em humanos e e lin-
earmente proporcional ao movimento dos olhos [49]. Desta forma, o potencial gerado
pelo movimento dos olhos possui amplitude de tensao muito proxima ou superior ao da
amplitude do SME da piscada dos olhos. Este tipo de problema requer um sistema de
classicac ao bastante robusto, capaz de distinguir uma piscada de um movimento do globo
ocular, uma vez que nao e possvel eliminar esse tipo de interferencia utilizando-se ltros,
sem que se prejudique o sinal mioeletrico da piscada.
2.4 Filtragem dos SMEs de Piscadas 45
2.4.2 Tecnicas de Filtragem Aplicadas ao SME da Piscada

E de extrema importancia para um sistema que reconheca o SME da piscada que o


sinal nao possua suas caractersticas alteradas por rudos. Sendo assim, conhecendo-se os
principais rudos caractersticos da aquisic ao do SME proveniente das piscadas, e possvel
aplicar tecnicas de ltragem para atenuar estes rudos sem que se altere as caractersticas
do sinal.
Filtragem e o processo pelo qual o espectro de freq uencia de um determinado sinal
pode ser manipulado de acordo com alguma especicacao desejada. Dentro deste contexto,
a ltragem e utilizada para eliminar rudos, distorcoes ou imperfeic oes nas medidas. Es-
pecicamente, a ltragem digital e um sistema digital que pode ser usado para ltrar
sinais discretos. Este pode ser implementado utilizando-se software, hardware dedicado
ou a combinac ao de ambos. Atraves da transformada z, um ltro digital pode ser ca-
racterizado por sua funcao de transferencia discreta, comumente representada por H(z )),
onde z e uma variavel complexa (z = re
j
), com argumento r, angulo e j e referente `a
base imaginaria [50, 3].
Neste trabalho utilizaram-se apenas tecnicas de ltragem digital classica para a remocao
dos rudos, sendo essas aplicadas em sinais com rudos da rede eletrica, contaminados com
artefatos de movimento e rudos musculares.
Foram obtidos sinais provenientes da piscada do olho esquerdo e do olho direito de
seis volunt arios diferentes, utilizando o sistema de aquisicao desenvolvido. Os eletrodos
foram localizados entre o m usculo frontal da face e o m usculo corrugador do superclio.
Alguns dos sinais obtidos apresentaram rudos provenientes da rede eletrica e de artefatos
de movimento, alem de rudos musculares, sendo, em todos os casos, avaliadas as tecnicas
de ltragem digital classica.
2.4.2.1 Filtragem Digital Classica
A ltragem digital classica pode ser realizada de duas maneiras, com ltros de resposta
innita (cuja sigla em ingles e IIR - Innite Impulse Response) ou com ltros de resposta
nita (com a sigla em ingles FIR - Finite Impulse Response) [3].
Os ltros IIR retiram sua metodologia dos metodos classicos de ltros analogicos, com
adequada transposic ao para o caso discreto. A implementacao destes utiliza a equacao
de diferencas. Assim, para projetar um ltro IIR o procedimento mais corrente consiste
em denir o tipo de resposta que o ltro deve apresentar, como por exemplo, Buterworth,
2.4 Filtragem dos SMEs de Piscadas 46
Chebyshev e Elpticos. Em um segundo passo, e necessario transpor a funcao de trans-
ferencia contnua deste ltro em uma funcao de transferencia discreta. Normalmente,
utilizam-se dois metodos para realizar esta transposicao: o metodo da transformada
impulsiva invariante e o metodo da transformacao bilinear. A func ao de transferencia
discreta de um ltro IIR e dada por
H(z) =

M
k=0
b
k
z
k
1 +

N
k=1
a
k
z
k
. (2.1)
Sendo (NM). Onde, N e o n umero de polos do ltro e, portanto, sua ordem, M o
n umero de zeros, a
k
e b
k
os respectivos coecientes e z
k
um operador de atraso de k
amostras.
Nota-se na equac ao 2.1 que os ltros IIR sao realimentados pelos valores da sada,
sendo assim, conhecidos tambem como ltros recursivos.
Em geral, ltros IIR sao capazes de aproximar uma resposta na freq uencia prescrita
com um n umero de multiplicacoes menor que os ltros FIR. Por esse motivo, ltros
IIR podem ser mais adequados a algumas aplicacoes praticas, especialmente aquelas en-
volvendo processamento de sinais em tempo real [51]. Porem, tais ltros possuem fase
nao-linear. Quando o processamento e realizado de forma o-line, e possvel retirar
essa nao-linearidade realizando-se o processo de ltragem forward and reverse, que ltra
o sinal duas vezes, uma para frente gerando distorcao de fase, e outra para tras gerando
a mesma distorc ao com sentido contr ario, fazendo com que o ltro tenha fase zero [52].
Os ltros digitais FIR apresentam algumas vantagens em relac ao aos ltros IIR, tais
como a possibilidade de terem fase linear exata e o fato de serem intrinsecamente estaveis,
uma vez que sao realizados de forma nao-recursiva. Alem disso, a complexidade computa-
cional dos ltros FIR pode ser reduzida se eles sao implementados atraves de algoritmos
numericos rapidos, tais como a transformada rapida de Fourier [51]. A equac ao 2.2 apre-
senta a func ao de transferencia digital do ltro FIR.
H(z) =
M1

k=0
b
k
z
k
(2.2)
Sendo M-1 a ordem do ltro e b
k
seus respectivos coecientes.
2.4 Filtragem dos SMEs de Piscadas 47
2.4.2.2 Filtragem dos Artefatos de Movimento
Como descrito anteriormente, os rudos provenientes dos artefatos de movimento pos-
suem baixa freq uencia. Sendo assim, optou-se por utilizar ltros passa-alta com freq uencia
de corte em 0,15 Hz.
Para avaliar esta tecnica, utilizou-se um ltro passa-altas FIR com janela de Kaiser e
um ltro passa-altas IIR Butterworth.
A Figura 26 apresenta sinais de piscadas contaminados com rudos provenientes de
artefatos de movimento, e os mesmos ltrados utilizando-se um ltro passa-altas IIR
Butterworth de ordem 2 com freq uencia de corte de 0,15 Hz. Nota-se que o sinal original
apresenta um maior deslocamento em relac ao `a linha de base.
0 1 2 3 4 5 6 7 8 9
0.2
0.15
0.1
0.05
0
0.05
0.1
0.15
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Linha de Base
Figura 26: SMEs provenientes da piscada do olho direito contaminados com rudo de
artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro passa-altas IIR
Butterworth de ordem 2 e freq uencia de corte 0,15 Hz.
O ltro FIR utilizado para comparacao foi de ordem 2048 e freq uencia de corte em
0,15 Hz com janela de Kaiser. A resposta para este ltro aplicado ao sinal ruidoso e
apresentada na Figura 27.
Nota-se na Figura 27 um atraso referente `a aplicac ao da janela de Kaiser. Isso
ocorre devido `a elevada ordem do ltro, sendo que, posteriormente, optou-se por alterar
2.4 Filtragem dos SMEs de Piscadas 48
0 5 10 15
0.2
0.15
0.1
0.05
0
0.05
0.1
0.15
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Linha de Base
Figura 27: SMEs provenientes da piscada do olho direito contaminados com rudo de
artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro passa-altas FIR de
ordem 2048 com janela de Kaiser e freq uencia de corte em 0,15 Hz.
a freq uencia de corte para 0,45 Hz, o que automaticamente reduz a ordem do ltro FIR
e conseq uentemente a janela de atraso, sem que haja distorcao do sinal, como mostrado
na Figura 28.
Filtros passa-altas com freq uencias de corte superiores a 0,45 Hz podem distorcer o
tracado do SME proveniente das piscadas, uma vez que a energia do mesmo esta concen-
trada na faixa de 0,15 a 5 Hz.
2.4.2.3 Filtragem do Rudo Muscular
Como estes rudo se concentram em uma faixa superior a 35 Hz, optou-se por utilizar
ltros passa-baixas com freq uencia de corte em 10 Hz, uma vez que o SME concentra sua
energia entre 0,15 e 5 Hz. Utilizou-se novamente a ltragem digital IIR e FIR.
A Figura 29 apresenta SMEs provenientes da piscada do olho direito, contaminados
com rudos musculares, e seu respectivo sinal ltrado, utilizando-se um ltro IIR Butter-
worth de 2
a
ordem e freq uencia de corte em 10 Hz.
Na Figura 30 e apresentado o SME tambem da piscada do olho direito e a resposta
2.4 Filtragem dos SMEs de Piscadas 49
0 1 2 3 4 5 6 7 8 9
0.2
0.15
0.1
0.05
0
0.05
0.1
0.15
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Linha de Base
Figura 28: SMEs provenientes da piscada do olho direito contaminados com rudo de
artefato de movimento, e o mesmo, logo apos a aplicac ao de um ltro passa-altas FIR de
ordem 696 com janela de Kaiser e freq uencia de corte em 0,45 Hz.
do ltro FIR de ordem 71 com janela Kaiser.
2.4.2.4 Filtragem dos Rudos da Rede Eletrica
Como a interferencia da rede e suas harmonicas tem freq uencias bem denidas, ent ao
a ltragem deste sinal e realizada por meio de ltros Notch [3], cujas caractersticas
sao apresentadas na Figura 31. Novamente, a ltragem foi realizada utilizando-se ltros
digitais FIR e IIR.
A Figura 32 apresenta sinais de piscadas do olho direito contaminados com rudos da
rede eletrica, e os respectivos sinais ltrados utilizando-se um ltro notch FIR de ordem
508 com janela de Kaiser.
Foi avaliado tambem o desempenho de um ltro notch IIR de 2
a
ordem com freq uencia
de corte em 60 Hz. A Figura 33 apresenta a resposta deste ltro quando e aplicado em
sua entrada SMEs contaminados com rudos da rede eletrica.
2.5 Detecc ao e Identicacao das Piscadas de Olhos 50
0 5 10 15
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Figura 29: Em azul: SMEs provenientes da piscada do olho direito contaminados com
rudo muscular. Em vermelho: Sinal ltrado utilizando-se ltro IIR Butterworth de 2
a
ordem e freq uencia de corte em 10 Hz.
2.5 Deteccao e Identicacao das Piscadas de Olhos
Na literatura existem varias tecnicas de reconhecimento de padroes associados ao
SME, seja utilizando metodos estatscos para deteccao da piscadas de olhos [45] ou sis-
temas baseados em redes neurais articiais (RNA) para detectar a intenc ao de movimento
de membros amputados [9, 13]. Em [10] os autores obtiveram caractersticas das transfor-
madas Wavelet e Fourier do intervalo determinstico do SME e as aplicaram em uma rede
neural similar `a utilizada por [9]. Utilizaram tambem um classicador estatstico LDA
(Linear Discriminant Analysis).
Alem das tecnicas citadas, tambem foi possvel realizar o reconhecimento de padroes
do SME utilizando-se logica Fuzzy [53].
O presente trabalho explora dois metodos de detecc ao e distinc ao automatica de
piscadas de olhos: analise de atividade e redes neurais articiais. No primeiro metodo,
baseado na variancia do SME da piscada, nao e possvel realizar a distinc ao entre as
piscadas provenientes do olho esquerdo e o olho direito. Ja no segundo metodo, a RNA,
com treinamento backpropagation, e capaz de distinguir entre piscada com o olho esquerdo
2.5 Detecc ao e Identicacao das Piscadas de Olhos 51
0 5 10 15
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0.02
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Figura 30: Em azul: SMEs provenientes da piscada do olho direito contaminados com
rudo muscular. Em vermelho: Sinal ltrado utilizando-se ltro FIR de ordem 71 com
janela Kaiser e freq uencia de corte em 10 Hz.
e com o olho direito, alem de detectar possveis rudos.
Ambos os metodos serao melhor detalhados nas secoes seguintes.
2.5.1 Analise de Atividade
Os SMEs provenientes da piscada de olhos podem, de modo geral, ser tratados como
vari aveis aleatorias [47]. Dentro deste contexto, a variancia
2
x
, dada por

2
x
= E[(x
x
)
2
] =
1
N
N1

k=0
(x(k)
x
)
2
, (2.3)
pode representar uma medida regular da variabilidade ou atividade do sinal sobre sua
media, onde x representa o sinal analisado,
x
o desvio padrao,
x
a media e N o tamanho
do sinal ou da janela utilizada para o calculo da vari ancia.
Caso o sinal possua media zero, ou e pre-processado para que isto aconteca, a equac ao 2.3
torna-se
2.5 Detecc ao e Identicacao das Piscadas de Olhos 52
0 10 20 30 40 50 60 70
80
60
40
20
0
M
a
g
n
i
t
u
d
e

(
d
B
)
Frequencia (Hz)
0 10 20 30 40 50 60 70
100
50
0
50
100
F
a
s
e

(
G
r
a
u
s
)
Frequencia (Hz)
Figura 31: Caractersticas de amplitude e fase de um ltro digital notch para remocao
do rudo de 60 Hz proveniente da rede eletrica.

2
x
= E[x
2
] =
1
N
N1

k=0
x
2
(k), (2.4)
ou seja, a vari ancia e igual `a potencia media do sinal.
Assim, a variancia do SME proveniente da piscada pode ser utilizado como um indi-
cador simples de atividade do sinal sobre sua media e, utilizando-se um limiar, ajustado
empiricamente, e possvel ent ao detectar quando uma piscada de olho foi realizada.
No entanto, este metodo nao possibilita a distincao da piscada do olho esquerdo
com a da olho direito, como mostram as Figuras 34 e 35, sendo necessario um metodo
mais robusto para tal feito. Dentro deste contexto, utilizaram-se redes neurais articiais,
explicado em detalhes na sec ao seguinte.
2.5.2 Redes Neurais Articiais
A identicac ao e deteccao da piscada de olhos, assim como outros SMEs provenientes
de diferentes partes do corpo, requer que se leve dois fatores importantes em consideracao:
a provavel localizac ao dos eletrodos cada vez que o paciente se conectar ao equipamento
e a grande variac ao nas caractersticas do sinal capturado entre indivduos diferentes [3].
2.5 Detecc ao e Identicacao das Piscadas de Olhos 53
0 1 2 3 4 5 6 7 8 9
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Figura 32: Em azul: SMEs provenientes da piscada do olho direito contaminados com
rudo de 60 Hz da rede eletrica. Em vermelho: Sinal ltrado utilizando-se ltro notch
FIR de ordem 508 com janela Kaiser.
Dentro deste contexto, torna-se interessante o uso de redes neurais articiais para o reco-
nhecimento de piscadas de olhos, uma vez que e possvel fazer com que a RNA distingua
cada tipo de sinal.
Antes de ser implementado em linguagem C++, utilizou-se o software MATLAB
R
para implementacao, treinamento e teste das RNAs. Posteriormente, foram escolhidas
as melhores estruturas neurais e utilizadas na implementacao do sistema de identicac ao
automatica de piscadas de olhos.
Todos os sinais mioeletricos da piscada de olhos que constituem o banco de dados
foram obtidos no LAI/UFES, utilizando-se o sistema de aquisic ao descrito na sec ao 3.3.1
e as tecnicas de ltragem descritas na secao 3.4.2.
Utilizaram-se sinais de piscadas de olhos capturados de volunt arios selecionados aleato-
riamente. Foram adquiridas aproximadamente 210 piscadas do olho direito e 210 do olho
esquerdo, de indivduos do sexo masculino com idade entre 20 e 30 anos, sendo que a
aquisic ao foi feita com taxa de 140 Hz. Alem disso, foram geradas 210 amostras de rudos
aleatorios Gaussianos, com media zero e vari ancia de 0,1, totalizando 630 sinais utilizados
exclusivamente para o treinamento das redes neurais.
2.5 Detecc ao e Identicacao das Piscadas de Olhos 54
0 1 2 3 4 5 6 7 8 9
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
Tempo (s)
A
m
p
l
i
t
u
d
e

(
m
V
)
SME Original
SME Filtrado
Figura 33: Em azul: SMEs provenientes da piscada do olho direito contaminados com
rudo de 60 Hz da rede eletrica. Em vermelho: Sinal ltrado utilizando-se ltro notch
IIR de 2
a
ordem.
0 1 2 3 4 5 6 7 8 9
0.15
0.1
0.05
0
0.05
S
M
E

O
l
h
o

D
i
r
e
i
t
o

(
m
V
)
0 1 2 3 4 5 6 7 8 9
0
0.5
1
1.5
2
x 10
3
Tempo (s)
V
a
r
i
a
n
c
i
a
Figura 34: SME proveniente da piscada do
olho direito e sua respectiva variancia.
0 1 2 3 4 5 6 7 8 9
0.3
0.25
0.2
0.15
0.1
0.05
S
M
E

O
l
h
o

E
s
q
u
e
r
d
o

(
m
V
)
0 1 2 3 4 5 6 7 8 9
0
1
2
3
4
5
x 10
3
Tempo (s)
V
a
r
i
a
n
c
i
a
Figura 35: SME proveniente da piscada do
olho esquerdo e sua respectiva vari ancia.
Posteriormente, foram utilizadas outras amostras de piscadas para testar o sistema de
Reconhecimento Automatico de Piscadas (RAP), formado pelas RNAs treinadas com os
sinais supracitados. Neste caso, foram utilizados os sinais correspondentes a 84 piscadas
do olho direito, 84 piscadas do olho esquerdo, alem de 84 rudos Gaussianos (media zero
e variancia 0,1), nao utilizados na etapa de treinamento e validac ao.
2.5 Detecc ao e Identicacao das Piscadas de Olhos 55
Inicialmente, o SME das piscadas deve ser ltrado e normalizado para melhor obtenc ao
dos SMEs de piscadas que irao compor o banco de dados utilizados para implementac ao
das RNAs.
Os sinais foram ltrados utilizando-se um ltro digital IIR passa-altas (Butterworth,
2
a
ordem, freq uencia de corte em 0,15 Hz), para a remoc ao do rudo da linha de base e,
posteriormente, foi utilizado um ltro digital IIR passa-baixas (Butterworth de 2
a
ordem,
com freq uencia de corte em 10 Hz), para a remocao do rudo muscular.
Apos a etapa de ltragem faz-se a normalizac ao dos SMEs segundo a equac ao
y
0
(n) =
y(n)
max|y(n)|
, (2.5)
onde y(n) representa o sinal amostrado de entrada.
Posteriormente, utiliza-se um algoritmo baseado no metodo de Pan-Tompkins [47]
para facilitar a detecc ao do intervalo das piscadas de olhos. Este algoritmo inclui uma
serie de metodos que realizam a derivada, quadratura e integral do sinal. A operac ao de
derivada aqui utilizada e
y
1
(n) =
1
8
[2y
0
(n) y
0
(n 1) y
0
(n 3) + 2y
0
(n 4)]. (2.6)
A operac ao de se elevar ao quadrado a derivada torna o resultado positivo, associando-
o a energia do sinal, e enfatiza grandes diferencas no sinal de piscadas, enquanto sinais
de pequena amplitude presentes no SME ltrado sao suprimidos. Em outras palavras,
calcula-se
y
2
(n) = [y
1
(n)]
2
. (2.7)
O algoritmo aqui implementado ainda realiza uma suaviza cao do sinal, utilizando um
ltro integral de janela-movel , ou seja, calcula-se
y
3
(n) =
1
N
[y
2
(n (N 1)) + y
2
(n (N 2)) + +y
2
(n)]. (2.8)
A escolha do tamanho da janela (N) e feita considerando-se que caso o valor seja
elevado ira ocorrer uma provavel uniao de piscadas que estejam muito proximas e que
caso ele seja muito pequeno a piscada ainda podera apresentar varios picos. Uma janela
2.5 Detecc ao e Identicacao das Piscadas de Olhos 56
de tamanho N = 10 foi escolhida empiricamente, e mostrou-se satisfatoria. A Figura 36
ilustra todas as etapas descritas.
0 5 10 15
2
0
2
S
M
E

O
r
i
g
i
n
a
l
(
m
V
)
0 5 10 15
1
0
1
y
0
0 5 10 15
0.5
0
0.5
y
1
0 5 10 15
0
0.05
0.1
y
2
0 5 10 15
0
0.5
1
Tempo (s)
y
3
Figura 36: Resultados encontrados utilizando-se o algoritmo baseado no metodo de
Pan-Tompkins, onde y
0
e o sinal normalizado; y
1
e o sinal apos a aplicacao da derivada;
y
2
representa a energia do sinal da derivada e y
3
o sinal apos a aplicac ao, em y
2
, de um
ltro integral de janela-movel.
Nota-se no sinal resultante do processo de ltragem (y
3
), ilustrado na Figura 36, que
e ent ao possvel aplicar tecnicas para localizac ao e, posteriormente, obtenc ao do SME da
piscada de olhos. Este processo sera melhor detalhado nas subsec oes seguintes.
2.5.2.1 Deteccao do Pico da Piscada
Para a marcac ao do pico da piscada foi desenvolvido um algoritmo que busca o ponto
maximo e sua respectiva posic ao no vetor de amostras de SME pre-processado. Determi-
nado este maximo, o algoritmo zera os dados proximos ao ponto encontrado, evitando, na
proxima marcacao, encontrar um ponto de descida da onda referente `a piscada, ao inves
de seu topo. A busca prossegue ate que um limiar seja ultrapassado, ou seja, esse processo
e realizado ate que o SME da piscada de olhos possua somente picos cujos valores estao
abaixo da faixa delimitada. Testes mostraram que um valor de 0,35 (ou seja, 35% do
valor maximo) torna o algoritmo eciente.
2.5 Detecc ao e Identicacao das Piscadas de Olhos 57
Apesar de eciente, alguns cuidados devem ser tomados com o algoritmo. O principal
deles e o tamanho da regiao que dever a ser zerada apos a determinacao do pico da piscada.
Usando uma regiao de busca muito pequena, pode-se marcar a subida da onda referente
`a piscada. Usando uma regiao muito grande, pode-se zerar um possvel pico proximo ao
pico marcado. O valor apropriado para essa regiao de busca deve ser aproximadamente a
durac ao de uma piscada. Baseando-se nisso, optou-se por usar uma regiao de 60 amostras,
ou seja, zerar 30 amostras depois e 30 amostras antes do ponto marcado como pico da
piscada, o que se mostrou eciente, como ilustrado na Figura 37.
0 5 10 15
0.4
0.2
0
0.2
0.4
0.6
0.8
1
1.2
Tempo (s)
A
m
p
l
i
t
u
d
e

N
o
r
m
a
l
i
z
a
d
a
Figura 37: SMEs ltrados provenientes da piscadas de olhos com picos detectados.
2.5.2.2 Deteccao do Intervalo de Duracao da Piscada
Apos a marcacao dos picos e necessario determinar os respectivos intervalos de duracao
da piscada. Dentro deste contexto implementou-se uma rotina que procura, `a esquerda
e `a direita da posic ao do pico, um ponto acima de um determinado limiar (), obtido
a partir do valor RMS (Root Mean-Square) da vari ancia de uma janela de tamanho ( N)
do sinal pre-processado da piscada. Caso este ponto ultrapasse o limiar , este e consi-
derado como o incio de uma piscada de olho. Quando o limiar e ultrapassado novamente
este sera considerado como o m da piscada. Os valores de e N foram determinados
empiricamente, sendo = 20 V e N = 28 amostras.
2.5 Detecc ao e Identicacao das Piscadas de Olhos 58
Apos a etapa do processamento do SME, e suposto que o mesmo apresente apenas o
que e relevante para o reconhecimento de padroes. Porem, o novo vetor de dados gerado
contem muitos elementos, sendo, portanto, invi avel criar uma estrutura neural com esta
quantidade de entradas. Neste contexto, foi realizada uma sub-amostragem do intervalo
de durac ao da piscada, representando os muitos elementos do vetor de dados do SME
da piscada em algumas unidades, ou dezenas, pre-determinadas. Neste trabalho optou-se
por fazer uma sub-amostragem para 40 amostras do intervalo da piscada detectado.
Apos a realizac ao da sub-amostragem do sinal correspondente a cada intervalo de uma
piscada, estes foram normalizados na faixa de -1 e 1 utilizando-se um func ao de ativac ao
sigmoide (equacao 2.9), com o objetivo de proporcionar uma convergencia mais rapida na
etapa de treinamento das RNAs.
f(x) =
1
1 + e
x
1 (2.9)
Com isso, a camada de entrada da rede estara denida. Na camada oculta, o n umero
de neuronios foi pre-estabelecido em 4, 6, 8 ou 10, com o objetivo de se determinar a melhor
escolha. Redes neurais com o n umero de neuronios na camada oculta superior ou inferior
ao utilizado aqui nao apresentaram melhoria nas respostas das mesmas. A camada de
sada apresenta tres neuronios, sendo
_

_
1
1
1
_

_
referente a piscada do olho direito,
_

_
1
1
1
_

_
referente `a piscada do olho esquerdo e
_

_
1
1
1
_

_
correspondente a um rudo. Qualquer
outra combinacao diferente apresentada na sada da RNA e considerada tambem como
um rudo.
Na Figura 38 e apresentada uma estrutura neural utilizada com 4 neuronios na camada
intermedi aria.
Para a etapa de treinamento da rede neural foram utilizados os algoritmos Bayesian
Regularization (BR), Resilient Backpropagation (RP) e Scaled Con-jugate Gradient (SCG)
[54].

E difcil determinar qual algoritmo de treinamento sera mais rapido para solucionar
um dado problema. Isto depende de muitos fatores, incluindo a complexidade do pro-
blema, o n umero de entradas, o n umero de pesos na rede e o erro global. Utilizou-se
metade das piscadas detectadas para treinamento e a outra metade para a validac ao.
Este procedimento foi repetido em todas as estruturas e algoritmos utilizados. A Tabela 2
2.5 Detecc ao e Identicacao das Piscadas de Olhos 59
Figura 38: Diagrama da rede neural com 4 neuronios na camada intermediaria.
Adaptado de [3].
ilustra esta etapa do trabalho.

E importante ressaltar que o erro apresentado na Tabela 2 e referente `a soma dos


erros cometidos pelas RNAs na etapa de treinamento e de valida cao.
Tabela 2: RNAs com diferentes estruturas criadas para cada tipo de algoritmo de
treinamento.
Algoritmo de
Treinamento
Camada
Entrada
Camada
Inter-
mediaria
Camada
Sada
Erro Total
(%)
BR 40 4 3 0,63
40 6 3 0,48
40 8 3 0,63
40 10 3 0,63
RP 40 4 3 0,32
40 6 3 0,63
40 8 3 0,32
40 10 3 0,48
SCG 40 4 3 0,79
40 6 3 0,48
40 8 3 0,32
40 10 3 0,32
Com as RNAs criadas, implementou-se, tambem em MATLAB, uma rotina para o
teste das mesmas, como explicado em detalhes na sec ao seguinte.
2.6 Resultados Experimentais 60
2.5.2.3 Reconhecimento Automatico de Piscadas (RAP)
Nesta etapa testaram-se todas as RNAs criadas anteriormente, sendo os melhores
resultados apresentados na Tabela 3. Ao todo, utilizaram-se 252 sinais de teste, ou seja,
84 piscadas referentes ao olho esquerdo, 84 referentes ao olho direito e 84 rudos gerados
aleatoriamente, todos nao utilizados na etapa de validac ao ou treinamento.
Tabela 3: Melhores resultados encontrados pelas diferentes RNAs criadas.
Algoritmo de Treina-
mento
Neuronios na Camada
Intermediaria
Acerto (%)
BR 6 98,4
RP 4 99,6
SCG 10 98,4
Observa-se na Tabela 3 que, com o sistema desenvolvido, consegue-se um acerto de
99,6% na deteccao da piscadas de olhos, o que e uma melhoria em relac ao a um trabalho
anterior do grupo de pesquisa do LAI/UFES [19], que obteve um acerto maximo de 94,7%
na deteccao das piscadas.
Os resultados apresentados mostraram-se bastante satisfatorios, demonstrando a aplica-
bilidade do uso de RNAs para reconhecimento de padroes de SMEs de piscadas de olhos.
Neste sentido, utilizou-se o sistema proposto para realizar a interface homem-maquina
com a cadeira de rodas robotica da UFES, atraves da selecao, por piscadas de olhos, de
smbolos em um tabuleiro pictograco disponvel em um PDA.
2.6 Resultados Experimentais
Realizado todo o estudo referente `as tecnicas de identicacao e detecc ao de piscadas
de olhos, ambas as tecnicas descritas foram implementadas em software C++, com o
intuito de validar o sistema proposto.
Todos os testes foram realizados em um computador Pentium IV com 1,8 GHz de
processamento, 512 MB de memoria RAM e sistema operacional Windows XP
R
.
2.6.1 Analise de Atividade
Como descrito anteriormente, esta tecnica utiliza um indicador de atividade baseado
na variabilidade do sinal mioeletrico proveniente da piscada de olhos. Dentro deste con-
texto, quatro indivduos do sexo masculino, com idades entre 20 e 35 anos, foram se-
2.6 Resultados Experimentais 61
lecionados aleatoriamente para testar esta tecnica. Cada indivduo selecionou 15 cones
pre-determinados no PDA, simulando o movimento da cadeira de rodas robotica da UFES,
e os resultados sao apresentados na Tabela 4.
Tabela 4: Resultados encontrados para o sistema baseado na analise de atividade do
SME da piscada de olhos.
Indivduos N umero de Testes Acerto (%)
A 15 100
B 15 100
C 15 93,3
D 15 100
2.6.2 Redes Neurais Articiais
Da mesma forma que a tecnica utilizada anteriormente, foram selecionados indivduos
aleatoriamente. Novamente, estes eram do sexo masculino com idades entre 20 e 35 anos
e cada um deles realizou 16 piscadas de olhos, sendo 8 referentes ao olho direito e 8 ao
olho esquerdo. Neste caso, tentou-se avaliar a classicac ao realizada pelas RNAs.
Alem disso, implementaram-se as RNAs treinadas com algoritmo BR, RP e SCG com
o intuito de comparar as diferentes estruturas neurais criadas na etapa de treinamento.
No entanto, dada a facilidade de implementac ao e simplicidade da estrutura, os testes
aqui realizados utilizaram apenas as RNAs com 40 neuronios na camada de entrada, 4
na camada oculta e 3 neuronios na camada de sada. Os resultados para este caso sao
apresentados na Tabela 5.

E importante destacar que o erro apresentado na Tabela 5 ocorre quando e realizada


uma piscada, por exemplo, do olho direito e a RNA a classica como sendo proveniente
do olho esquerdo. Ja o equvoco ocorre quando e realizada uma piscada do olho direito
ou do olho esquerdo e a RNA a classica como rudo.
2.6.3 Conclusoes
A partir das Tabelas 4 e 5 podemos tirar algumas conclusoes. Apesar do sistema
baseado na analise de atividade da piscada de olhos ter acerto relativamente superior ao
sistema baseado em RNAs, nao foi possvel avaliar, em ambos os casos, o efeito estocastico
do SME da piscada, o que provavelmente validaria o sistema baseado em RNAs.
Especicamente para o sistema baseado em RNAs, conclui-se que, apesar dos resul-
2.7 Problemas Associados `a Piscada de Olhos 62
Tabela 5: Resultados encontrados para o sistema baseado redes neurais articiais.
Algoritmo
Treinamento
Indivduos Piscadas Erro (%) Equvoco (%)
BR Dir Esq Dir Esq Dir Esq
A 8 8 0 0 0 12,5
B 8 8 0 12,5 0 0
C 8 8 0 12,5 12,5 0
RP Dir Esq Dir Esq Dir Esq
A 8 8 0 0 0 0
B 8 8 0 0 0 12,5
C 8 8 12,5 12,5 0 0
SCG Dir Esq Dir Esq Dir Esq
A 8 8 0 0 0 0
B 8 8 0 0 0 0
C 8 8 0 0 0 12,5
tados encontrados na Tabela 3 apontarem como melhores estruturas neurais as treinadas
com algoritmo RP, quando implementadas em tempo real e com estruturas mais simples,
as RNAs com algoritmo de treinamento SCG demonstraram melhores resultados. Seria
necessario, talvez, realizar um maior n umero de testes em tempo real para validar os
resultados encontrados na Tabela 3.
De maneira geral, quando implementadas em tempo real, as RNAs demonstraram
resultados bastante satisfatorios, classicando corretamente ate 100% das piscadas de
olhos realizadas pelo indivduo A, utilizando as RNAs treinadas com os algoritmos RP e
SCG.
2.7 Problemas Associados `a Piscada de Olhos
Apesar das tecnicas descritas serem ecientes, existem alguns problemas associados `a
piscada de olhos. Entre eles podemos destacar pessoas que apresentam espasmos muscu-
lares e pessoas que nao possuem a capacidade de realizar a piscada de olhos, ocasionado,
por exemplo, por deciencia motora severa.
Um espasmo e uma contrac ao involuntaria de um m usculo ou grupo de m usculos.
Neste sentido, um espasmo na regiao facial pode gerar um sinal com a mesma amplitude
do SME proveniente da piscada volunt aria de olhos, fazendo com que um sinal de comando
seja enviando involuntariamente.
As pessoas com deciencia neuromotora apresentam comprometimentos diversos, decor-
2.7 Problemas Associados `a Piscada de Olhos 63
rentes das patologias acometidas. Em conseq uencia da causa e do grau de abrangencia
deste comprometimento, pode ser afetado o desenvolvimento motor, limitando o andar, a
coordenacao de bracos, pernas e da fala. Nos casos mais severos, a pessoa com deciencia
possui apenas o movimento do globo ocular, limitando o uso do sistema baseado na pis-
cada de olhos.
Dentro deste contexto, optou-se por desenvolver, tambem neste trabalho, uma in-
terface homem-maquina baseada no rastreamento do movimento do globo ocular. Todo
processo e realizado utilizando-se o processamento de imagens provenientes de uma camara
colocada estrategicamente em um oculos de protec ao adaptado. Esta tecnica sera melhor
descrita no proximo captulo.
64
3 Rastreamento do Movimento
dos Olhos (Eye-Tracking)
O termo eye-trackingou em portugues rastreamento dos olhos, refere-se ao processo
de determinar para onde um dado indivduo esta olhando, dado qualquer instante de
tempo. O estudo cientco do movimento dos olhos humanos teve incio no seculo XIX,
mas somente no seculo XX estes estudos passaram a utilizar camaras de vdeo. Es-
pecicamente, em 1940 pesquisadores americanos utilizaram uma camara para gravar os
movimentos dos olhos de pilotos em um cockpit, o qual representou o primeiro sistema
de rastreamento dos olhos com o proposito de pesquisa [35]. O primeiro sistema de ras-
treamento dos olhos com interface com o computador foi desenvolvido pela empresa LC
Technologies em 1988 [35].

E importante destacar que o desenvolvimento de sistemas baseados em rastreamento


dos olhos e importante para a ciencia, ind ustria e comercio. A utilizacao destes sistemas
como um dispositivo de entrada alternativo para a interface homem-computador vem
sendo pesquisado por diversas universidades do mundo. Dentro deste contexto, estes
sistemas podem ser utilizados particularmente por pessoas com mobilidade reduzida.
Como principal objetivo, sistemas de rastreamento do movimento dos olhos per-
mitem que pessoas com deciencia se comuniquem atraves, por exemplo, de smbolos
pictogracos em um tabuleiro eletronico em um computador. Mais recentemente, estes
sistemas estao sendo utilizados para o controle de dispositivos de locomocao, como cadeiras
de rodas.
Nesta mesma linha, pesquisadores tem descoberto que sistemas baseados no movi-
mento dos olhos possuem uma ampla gama de aplicac oes. Psicologos fazem uso deste
sistema para estudar a atencao dos pacientes [55]. Ja neurologistas o utilizam para inves-
tigar o sistema visual de humanos e animais [56].
3.1 Tecnicas de Rastreamento dos Olhos 65
3.1 Tecnicas de Rastreamento dos Olhos
3.1.1 Eletrooculograa
A eletrooculograa (EOG) e um metodo baseado no registro da diferenca de potencial
existente entre a cornea e a retina (potencial corneo-retina). Esta diferenca de potencial
se produz pela diferente polarizac ao das celulas da retina, que geram um dipolo orientado
na direcao do eixo antero-posterior do olho, positivo na zona corneal e negativo na zona
retiniana. Este metodo apresenta uma faixa linear que varia entre -30
o
e +30
o
, desde a
posicao central dos olhos. Permite detectar movimentos oculares com precisoes inferiores
a 2
o
[27].
3.1.2 Lentes de Contato Especiais
Neste caso, o usuario utiliza lentes especiais, constitudas de um ou mais espelhos
planos, tornando possvel o calculo da posicao dos olhos. Alternativamente, uma pequena
bobina de induc ao pode ser implantada nas lentes; a posic ao exata dos olhos pode ser
obtida aplicando-se um campo eletromagnetico de alta freq uencia, colocado proxima `a
cabeca do usuario [57].
3.1.3 Reexo de Infravermelho (IR)
Esta tecnica consiste em iluminar os olhos com emissores de raios IR e detectar a
reexao da luz sobre os mesmos utilizando foto-receptores. Existem diferentes formas de
colocar os emissores e receptores, dando lugar a distintos tipos de reexoes.
Este metodo e bastante estavel, e linear dentro de 20
o
horizontalmente e 10
o
verticalmente, e com precisao inferior a 1
o
.

E nao-invasivo, mas sao necessario cuidados
especiais, pois, ainda que possua baixa potencia, o sinal IR pode causar danos ao usuario.
Alem disso, e necessario calibrar o sistema sempre que utilizado [27].
3.1.4 Videooculograa
Consiste em utilizar camaras de vdeo para calcular a direcao do olhar. Utiliza-se uma
ou varias camaras CCD de dimensoes reduzidas, focadas continuamente no olho (ou olhos)
onde se deseja realizar o rastreamento. O sinal de vdeo e digitalizado e, posteriormente,
processado utilizando-se tecnicas de visao articial [27]. Em func ao da posic ao da camara
3.2 Descricao do Sistema Desenvolvido 66
e possvel distinguir diversas congurac oes:
Camara solidaria com a cabeca. Nestes sistemas a camara e coloca em um oculos
ou suporte a uma distancia curta do olho. Para evitar perder o campo visual do
olho onde esta montada a camara, pode-se colocar um cristal semi-transparente
ou espelho especial, que permita atraves dele, e mediante uma camara colocada
estrategicamente, tomar um primeiro plano do olho [27]. Este sistema e muito
preciso (precisao inferior a 1
o
) dentro de uma faixa de medida media (30
o
na
horizontal e 25
o
na vertical). Normalmente, requer iluminac ao adicional e podem
aparecer problemas de reexao em func ao da iluminac ao ambiente.
Camara sobre suporte xo. Neste caso, a camara e colocada sobre um suporte xo a
uma curta distancia (menor que 1 m), sem que atrapalhe a visibilidade do usuario.
tambem sao sistemas que podem alcancar grandes precisoes (inferiores a 1
o
) dentro
de uma faixa de 30
o
na horizontal e 25
o
na vertical, em func ao da resolucao da
imagem capturada [27].

E necessaria iluminacao adicional e e de difcil controle, uma
vez que pode ser perturbado por outros tipos de iluminacao (ambiente, lampadas
uorescentes, etc).

E necessario que a cabeca do usuario permaneca imovel para
alcancar a precisao comentada anteriormente. Pequenos movimentos na cabeca do
usuario provocam desvios, fazendo com que as medidas da direcao dos olhos seja
incorreta. Alem disso, a regiao que separa a camara e o usuario deve estar livre
de obstaculos. Camaras com zoom sao normalmente utilizadas, sendo utilizadas
tambem duas camaras para obtencao do modelo 3D da cabeca, de tal forma que e
possvel o rastreamento da posic ao dos olhos [27].
3.2 Descricao do Sistema Desenvolvido
O metodo proposto nesta Dissertac ao de Mestrado e parecido com o proposto em
[36], onde e utilizado uma camara CCD (Charge-Coupled Device) montada em um oculos
de protecao (Equipamento de Protec ao Individual - EPI), como mostrado na Figura 39.
Para estimar onde o usuario esta olhando e utilizado o calculo do centroide da imagem
binarizada do olho.
A exata deteccao da ris e muito importante para a tecnica utilizada, uma vez que o
erro associada `a detecc ao e diretamente relacionado `a precisao de estimac ao da direc ao
do olhar do usuario. A deteccao da ris e difcil, ja que esta pode possuir cor similar a de
outras partes da face, como sobrancelha e superclios. Assim, para a extracao exata da
3.2 Descricao do Sistema Desenvolvido 67
Figura 39: Camara montada em oculos de protec ao compondo o sistema de
rastreamento do movimento do olho.
mesma utilizou-se, neste trabalho, um Filtro de Canny para detecc ao de bordas, associado
`a Transformada Circular Randomica de Hough, de tal forma que foi possvel determinar,
a partir do centro da ris, uma regiao de interesse onde posteriormente e calculado o
centro de massa. Alem disso, o rastreamento do movimento dos olhos foi realizado com
a implementac ao de um Filtro de Kalman, onde e possvel notar signicante melhora na
precisao do rastreamento. Todas estas foram realizadas em um programa desenvolvido
em C#.
A Figura 40 apresenta uma diagrama em alto nvel da tecnica utilizada, onde cada
um dos blocos sera melhor explicado nas subsecoes seguintes.
3.2.1 Camara
Obter uma boa imagem da ris do olho e crucial para o processo de rastreamento dos
olhos. Se, por exemplo, a imagem capturada possui alto contraste sera necessario aplicar
equalizac ao de histograma ou ltragem digital, impossibilitando a aquisic ao em tempo
real.
Neste trabalho, optou-se pela utilizacao de uma webcam Microsoft LifeCam VX-3000,
apresentada na Figura 41, conectada ao computador atraves da porta USB (Universal
Serial Bus).
3.2 Descricao do Sistema Desenvolvido 68
Figura 40: Visao geral do sistema implementado.
Figura 41: Webcam Microsoft LifeCam VX-3000 utilizada para rastreamento dos olhos.
Esta webcam apresenta taxa de aquisic ao de imagens de ate 30 frames por segundo
com resolucao maxima de 640 x 480 pixels. Alem disso, e possvel ajustar opc oes como
iluminac ao, contraste, controle gamma, escala de cinza e posic ao da imagem.
3.2.2 Programa de Interface
Todo o programa foi desenvolvido utilizando-se a linguagem orientada a objetos Mi-
crosoft C#. A escolha desta deve-se `a facilidade de comunicacao de qualquer dispositivo
de aquisic ao de imagem e o computador. Para isso, e necessario apenas um biblioteca
3.2 Descricao do Sistema Desenvolvido 69
livre denominada Direct Show.
Todo o programa foi desenvolvido utilizando-se o sistema operacional Windows XP
R
,
sendo a maioria do processamento de imagens realizado por uma biblioteca tambem livre
chamada AForge [58].
Alem de possibilitar o uso de camaras com diferentes tipos de comunica cao com o PC
(USB, Firewire, etc), o programa tem acesso a todas as opc oes de ajuste das mesmas,
evitando que seja necessario um ajuste de parametros por softwares externos.
A Figura 42 ilustra o painel principal do programa de interface desenvolvido para o
seguimento dos olhos.
Figura 42: Interface graca desenvolvida para rastreamento dos olhos.
3.2.3 Binarizacao da Imagem e Threshold
Dentre as varias tecnicas de analise de imagens digitais, a binarizacao pode ser usada
para separar objetos de interesse. Esta altera toda a imagem para tons de preto e branco
conforme o valor de limiar (threshold) escolhido, sendo determinando pela tonalidade do
objeto de estudo, tornando possvel separar na imagem duas classes: objeto e fundo.
A tecnica de limiar e baseada em um conceito bem simples, mostrado na equac ao 3.1.
Im[x, y] =
_
_
_
255 se Im[x, y] > Threshold
0 se Im[x, y] < Threshold
(3.1)
3.2 Descricao do Sistema Desenvolvido 70
Onde, Im[x, y] e a matriz que representa a imagem, x e y as coordenadas de cada
pixel da imagem.
Com esta tecnica simples e possvel separar a imagem da ris do restante das imagens
da face, como mostrado na Figura 43.
Figura 43: (a) Imagem original. (b) Imagem binarizada pela aplicacao do threshold.
Porem, e possvel notar na Figura 43b que a tecnica de binarizacao nao foi capaz de
separar a imagem da ris, da sobrancelha e dos superclios, uma vez que estas ultimas
possuem limiares de corte iguais. Dentro deste contexto, e necessario uma tecnica mais
robusta para detecc ao da ris e, conseq uentemente, a determinacao da regiao de interesse
(ROI, do ingles Region of Interest) na imagem.
Neste trabalho optou-se por utilizar o ltro detector de bordas de Canny associado
`a transformada de Hough para a determinac ao da ris. Ambos serao melhor detalhados
posteriormente.
3.2.4 O Filtro Canny
O processo de detecc ao de bordas de Canny baseia-se em dois criterios basicos de
desempenho, isto e, os criterios de deteccao e localizac ao. Estes criterios estao sujeitos
ainda a um terceiro, conhecido como injunc ao de resposta m ultipla, que forca o processo
a detectar uma unica borda onde existe somente uma borda verdadeira. O principal
objetivo do trabalho de Canny e o desenvolvimento de um detector otimo para o tipo de
bordas mais comum em imagens digitais [59].
Resumidamente, para se implementar um detector de bordas Canny, uma serie de
passos devem ser seguidos [60]:
1. O primeiro passo e ltrar qualquer rudo na imagem original. Assim, e utilizado um
3.2 Descricao do Sistema Desenvolvido 71
ltro Gaussiano realizado a partir de uma mascara simples. Esta mascara e entao
aplicada `a imagem utilizando-se uma operacao de convoluc ao.
2. Apos a eliminacao dos rudos da imagem, o proximo passo e encontrar a intensidade
da borda, utilizando para tal o gradiente da imagem. Neste caso, e utilizado o ope-
rador Sobel, capaz de realizar uma medida em duas dimensoes do gradiente espacial
da imagem. Ent ao, o valor absoluto da magnitude do gradiente a cada ponto pode
ser encontrado. O operador Sobel utiliza um par de mascaras de dimensao 3x3, uma
para estimar o gradiente na direcao x (G
x
) e outro para a direcao y (G
y
). Ambas
sao mostradas na equacao 3.2.
G
x
=
_

_
1 0 +1
2 0 +2
1 0 +1
_

_
, G
y
=
_

_
+1 +2 +1
0 0 0
1 2 1
_

_
(3.2)
A magnitude do gradiente e ent ao aproximado utilizando-se
M(x, y) =
_
I
x
(x, y)
2
+I
y
(x, )
2
, (3.3)
onde, I
x
e a imagem gerada apos a convoluc ao da imagem original com a mascara
G
x
e I
y
a convolu cao entre a imagem original e a mascara G
y
.
3. No proximo passo e necessario determinar a direcao da borda. Uma vez conhecidos
os gradientes na direcao x e y isso se torna possvel, bastando calcular
=
G
y
G
x
. (3.4)
4. Uma vez que a direc ao da borda e conhecida, o proximo passo e relacionar a direc ao
da borda com uma direc ao que pode ser tracada na imagem. Como exemplo, seja
uma matriz 3x3 alinhada, dada por
G
x
=
_

_
X X X
X a X
X X X
_

_
. (3.5)
Ent ao, pode ser visto olhando-se para o pixel a, que existem apenas quatro direc oes
possveis: 0
o
, 45
o
, 90

e 135
o
. Assim, a direcao da borda deve ser limitada em uma
dessas quatro regioes, dependendo de qual estara mais proxima.
3.2 Descricao do Sistema Desenvolvido 72
5. Apos se conhecer as direcoes da borda e necessario aplicar uma supressao nao-
maxima, que e o anulamento dos pixels cujos valores nao sejam maximos locais na
direc ao perpendicular `a borda, utilizada para tracar uma linha na na direc ao da
borda.
6. Como ultimo passo e aplicado uma limiarizac ao adaptativa ou histerese, que con-
siste na limiarizac ao baseada em dois limiares
1
e
2
, onde
1
= 2
2
ou
1
= 3
2
.
Aplicando-se essa limiarizacao o algoritmo efetua um processo de complementa cao
das descontinuidades da primeira limiarizacao, aproveitando o resultado da segunda.
A Figura 44 mostra uma imagem processada utilizando-se o ltro de Canny.
Figura 44: (a) Imagem original. (b) Imagem binarizada pela aplicac ao do detector de
bordas de Canny.
3.2.5 Transformada Circular Randomica de Hough
O princpio basico da Transformada de Hough consiste em obter, atraves das trans-
formac oes do gradiente e da limiarizac ao, pontos de uma imagem. A ideia e aplicar na
imagem uma transformacao tal que todos os pontos pertencentes a uma mesma curva
sejam mapeados num unico ponto de um novo espaco de parametrizac ao da curva procu-
rada [61].
A Transformada de Hough tem como vantagem o fato de que pode ser aplicada ao
tratamento de qualquer tipo de curva e, alem disso, apresenta muita eciencia em imagens
fortemente ruidosas. No entanto, tem como desvantagem o fato de que se uma curva e
mais complexa, ou seja, com um n umero maior de parametros, o esforco computacional
exigido e bem maior [61].
3.2 Descricao do Sistema Desenvolvido 73
A Transformada Circular Randomica de Hough (RCHT, do ingles Randon Circular
Hough Transformer) tem como princpio basico obter, a partir dos pontos de borda de
uma imagem binaria, um pequeno subconjunto de pontos selecionados randomicamente,
a partir dos quais se fara o mapeamento para o novo espaco de parametrizacao da curva
procurada [62].
O metodo RCHT esta baseado no fato de que o ponto unico no novo espaco de
parametrizac ao pode ser determinado a partir de um pequeno subconjunto de pontos da
borda da imagem original. O tamanho deste subconjunto depende exclusivamente da
complexidade das curvas a serem detectadas. Por exemplo, para a detecc ao de retas e
necessario somente dois pontos distintos de borda da imagem binarizada.
Para o caso dos crculos, que tem uma parametrizac ao bem mais complexa que as
retas, dois pontos sao insucientes para o calculo da RCHT. Sendo assim, tres ou quatro
pontos serao selecionados randomicamente a partir da borda da imagem binaria original.
Em relacao `a Transformada de Hough Classica para crculos, a RCHT tem como
principal diferenca o fato de que apenas um pequeno subconjunto de pontos da borda da
imagem e necessario para se fazer o mapeamento do novo espaco de parametrizac ao da
curva procurada, enquanto que na transformada classica de Hough todos os pontos da
borda sao utilizados. A segunda grande diferenca e que a RCHT nao utiliza o calculo da
reta tangente `as curvas, bem como o calculo do vetor Gradiente.
Antes de se aplicar a RCHT, e aplicada `a imagem dos olhos o ltro detector de bordas
de Canny. Posteriormente, um algoritmo de analise de blobs e utilizado para identicar
todas as partes da imagem do olho. Blobs nao desejados sao rejeitados antes de se aplicar
a RCHT e, neste caso, um criterio e utilizado: blobs muito pequenos sao excludos, ou
seja, blobs com tamanho menores que um limiar, determinado empiricamente, nao sao
analisados pela RCHT. Uma vez que estes sao excludos, e esperado que a imagem do
olho contenha apenas os blobs que representem a ris ou provaveis crculos.
Assim, cada crculo da imagem binarizada e parametrizado por dois valores (x
c
, y
c
) que
representam as coordenadas do seu centro. Assumindo, inicialmente, que tres pixels de
coordenadas (x, y) estao sobre a borda da imagem, a uma distancia mnima, determinada
empiricamente, e possvel calcular a RCHT. A Figura 45 ilustra um exemplo para deteccao
do centro do crculo.
A partir dos pontos escolhidos randomicamente, sao tracadas duas retas,
1
entre os
pontos (X
1
, Y
1
) e (X
2
, Y
2
) e
2
entre os pontos (X
2
, Y
2
) e (X
3
, Y
3
). Encontrando os pontos
3.2 Descricao do Sistema Desenvolvido 74
Figura 45: Exemplo de crculo com pontos detectados sobre sua borda.
medios P
1
entre (X
1
, Y
1
), (X
2
, Y
2
) e P
2
entre (X
2
, Y
2
), (X
3
, Y
3
) e, tracando duas retas
perpendiculares a partir desses, temos que a interseccao das perpendiculares da-se sobre
o centro do crculo, conforme e mostrado na Figura 46.
Figura 46: Retas tracadas a partir dos pontos escolhidos aleatoriamente sobre a borda
do crculo e intersec cao das retas perpendiculares sobre o centro do crculo.
A partir da forma da reta perpendicular para os pontos (X
1
, Y
1
) e (X
2
, Y
2
), tem-se
que
(x x
1
)
2
+ (y y
1
)
2
= (x x
2
)
2
+ (y y
2
)
2
, (3.6)
ou aplicando-se a formula algebrica e isolando as coordenadas x e y,
x[2x
2
2x
1
] +y[2y
2
2y
1
] + x
2
1
+y
2
1
y
2
2
x
2
2
= 0. (3.7)
3.2 Descricao do Sistema Desenvolvido 75
Para simplicac ao da equac ao 3.7, tem-se:
A
1
= 2x
2
2x
1
, (3.8)
B
1
= 2y
2
2y
1
, (3.9)
C
1
= x
2
1
+y
2
1
y
2
2
x
2
2
(3.10)
Obtendo-se, a primeira equac ao da reta perpendicular do ponto medio P
1
, dada por:
A
1
x
c
B
1
y
c
+C
1
= 0. (3.11)
Aplicando-se a mesma tecnica para o ponto medio P
2
obtem-se:
A
2
x
c
B
2
y
c
+C
2
= 0. (3.12)
Onde,
A
2
= 2x
3
2x
2
, (3.13)
B
2
= 2y
3
2y
2
, (3.14)
C
2
= x
2
2
+y
2
2
y
2
3
x
2
3
(3.15)
Tomando-se as equac oes 3.11 e 3.12 e somando-as, tem-se que:
x
c
(A
1
+A
2
) y
c
(B
1
+B
2
) + C
1
+C
2
= 0. (3.16)
Isolando-se x
c
na equac ao 3.16 encontra-se:
x
c
=
C
1
C
2
y
c
(B
1
+B
2
)
(A
1
+A
2
)
. (3.17)
Substituindo-se a equacao 3.17 em 3.16 e isolando-se y
c
tem-se:
y
c
=
A
1
C
2
A
2
C
1
B
1
(A
1
+A
2
) A
1
(B
1
+B
2
)
. (3.18)
O raio do crculo e obtido a partir da distancia entre as coordenadas (x, y) dos pixels da
3.2 Descricao do Sistema Desenvolvido 76
borda da imagem binarizada e as coordenadas (x
c
, y
c
) encontrados. Em outras palavras,
calcula-se
r =
_
(x x
c
)
2
+ (y y
c
)
2
. (3.19)
Com os centros e raios determinados, a regiao de interesse da ris e obtida a partir
da media dos centros encontrados pela RCHT e do raio medio determinado a partir da
media dos raios encontrados. A Figura 47 ilustra a aplicacao da tecnica descrita.
Figura 47: Imagem da ris obtida a partir da aplicac ao do ltro Canny. Em azul:
centros calculados utilizando-se a Transformada Circular Randomica de Hough. Em
vermelho: centro obtido a partir da media dos centros calculados.
Porem, pode ocorrer a detecc ao incorreta da ris, ou seja, esta pode apresentar outros
elementos de bordas presentes na regiao ocular, como mostrado na Figura 48. Assim, foi
utilizado um algoritmo com base estatstica que detecta satisfatoriamente os intervalos
que devem ser descartados. Este consiste em marcar, na serie de coordenadas de cen-
tros da ris, os outliers da serie. Os outliers sao aqueles elementos que apresentam um
grande afastamento dos restantes ou sao inconsistentes com eles [63]. Especicamente,
consideram-se como outliers as amostras que estao fora da faixa delimitada por
Q
0,25

3
2
Q
0,50
C[n] Q
0,75
+
3
2
Q
0,50
, (3.20)
onde Q
x
representam os quartis ou quantis e C[n] as coordenadas do x o y dos centros. As-
sim, como a mediana representa o valor que divide um conjunto de dados em partes iguais,
os quantis sao os valores que dividem o conjunto de dados em quatro partes. O segundo
quartil (Q
0
, 50) e tambem denominado intervalo interquartil e e igual `a mediana [63].
A Figura 49 apresenta centros calculados para a imagem binarizada da ris com
artefatos presentes. Note-se em ambas as coordenadas x
c
e y
c
do centro a presenca de
outliers.
3.2 Descricao do Sistema Desenvolvido 77
Figura 48: Imagem da ris com presenca de artefatos, obtida a partir da aplicacao do
ltro Canny. Em azul: centros calculados utilizando-se a Transformada Circular
Randomica de Hough. Em vermelho: centro obtido a partir da media dos centros
calculados. Nota-se claramente o deslocamento do centro medio da ris, causado pelo
calculo errado dos centros.
0 10 20 30 40 50 60
50
0
50
100
150
C
o
o
r
d
e
n
a
d
a

X

(
p
i
x
e
l
s
)
0 10 20 30 40 50 60
100
50
0
50
100
Amostras (n)
C
o
o
r
d
e
n
a
d
a

Y

(
p
i
x
e
l
s
)
Outliers na coordenada X
Outliers na coordenada Y
Figura 49: Coordenadas (x
c
) e y
c
do centro da ris com artefatos, onde e possvel notar a
presenca de outliers.
3.2.6 Calculo do Centroide
Com a regiao de interesse determinada calcula-se ent ao o centr oide da imagem da ris
do olho, realizando assim, o rastreamento do movimento dos olhos.
O calculo do centroide da imagem processada e realizado aplicando-se a equac ao
denida por
3.2 Descricao do Sistema Desenvolvido 78
x =

M
x=1

N
y=1
xf(x, y)

M
x=1

N
y=1
f(x, y)
, (3.21)
y =

M
x=1

N
y=1
yf(x, y)

M
x=1

N
y=1
f(x, y)
, (3.22)
onde, M e N representam a dimensao da matriz que contem a imagem da ris processada,
x e y as coordenadas de cada pixel da imagem, e f(x, y) uma func ao que 1 para pixels
brancos e 0 para pixels pretos.
Apesar de ser facilmente obtido, o calculo do centroide e afetado pela diferenca de
intensidade luminosa, tornando o caminho rastreado muito ruidoso. Assim, para melhor
ajuste do caminho percorrido, aplicou-se ainda um ltro de Kalman nas coordenadas x
c
e y
c
do centr oide da ROI detectada.
A Figura 50 ilustra um caminho percorrido, formado pelas coordenadas do centr oide
da ROI, sem a aplicacao do ltro, e o mesmo caminho ltrado utilizando-se o referido
ltro.
0 50 100 150 200 250 300 350 400
140
150
160
170
180
190
C
o
o
r
d
e
n
a
d
a

x
c

(
p
i
x
e
l
s
)
0 50 100 150 200 250 300 350 400
140
150
160
170
180
190
200
Amostras (n)
C
o
o
r
d
e
n
a
d
a

y
c

(
p
i
x
e
l
s
)
Sinal Original
Sinal Filtrado
Sinal Original
Sinal Filtrado
Figura 50: Em azul: coordenadas x
c
e y
c
originais do centr oide da ris. Em vermelho:
coordenadas ltradas utilizando-se o ltro de Kalman.
3.3 Considerac oes Praticas para o Eye-Tracking 79
3.3 Consideracoes Praticas para o Eye-Tracking
Como todo sistema baseado em processamento de imagens, algumas consideracoes
importantes devem ser destacadas. Especicamente para o sistema de rastreamento im-
plementado neste trabalho, os principais problemas apresentados foram com relac ao `a
iluminac ao e `a piscada dos olhos. Ambos serao melhor detalhados nas secoes seguintes.
3.3.1 Iluminacao
A iluminacao e de extrema importancia, uma vez que se optou por utilizar um sistema
baseado na imagem do olho, diferente de outros sistemas que utilizam infravermelho para
a deteccao da ris. Porem, a propria webcam utilizada possui um sensor que se ajusta
automaticamente `a diferenca de intensidade luminosa. Esta ainda possui uma opcao de
ajuste para ambientes com baixa iluminac ao, no entanto, a escolha desta acarreta uma
reduc ao da taxa de aquisic ao de imagens.
A Figura 51 mostra algumas imagens do olho adquiridas pelo sistema de rastreamento
dos olhos, em ambientes com iluminacao distintas.
Figura 51: (a) Imagem adquirida com iluminac ao natural. (b) Imagem adquirida com o
ajuste Pouca Luzativado. (c) Imagem adquirida com iluminac ao proveniente de
luminaria comum de mesa.
3.3 Considerac oes Praticas para o Eye-Tracking 80
3.3.2 Piscada dos Olhos
Outro problema encontrado durante a implementac ao do sistema e referente `a piscada
dos olhos. Como o sistema e baseado no calculo do centroide da imagem de interesse,
quando uma piscada e realizada este centroide pode ser deslocado, fazendo com que
comandos sejam enviados sem a intencao do usuario. A Figura 52 ilustra o problema
encontrado durante a piscada dos olhos.
Figura 52: (a) Imagem original. (b) Imagem processada com centro de massa
determinado. (c) Imagem original onde e realizada uma piscada. (d) Imagem processada
com centro de massa deslocado pela piscada.
Neste caso, foi proposto uma tecnica na qual e calculada a derivada do centro de
massa. Em outras palavras, toma-se a area inicial da ROI como referencia e analisa-
se a varia cao desta ao longo do tempo. Quando esta variac ao ultrapassa um limiar,
determinado empiricamente, um comando de piscada e identicado e nao e enviado ao
PDA. Esta tecnica foi utilizada com sucesso, sendo que o limiar deve levar em considerac ao
a intensidade luminosa do ambiente em que esta funcionando o sistema desenvolvido.
Vale ressaltar que o rastreamento do movimento dos olhos e uma tecnica que se
utiliza, principalmente, em pessoas com deciencia severa, incapacitadas de realizar qual-
quer movimento muscular. Ou seja, essas pessoas nao podem piscar os olhos, resultando
desnecessaria a preocupacao com este tipo de artefato.
81
4 Consideracoes Finais
4.1 Consideracoes Finais
Os objetivos deste trabalho foram avaliar e desenvolver interfaces, baseadas em sinais
de piscadas de olhos e rastreamento do movimento dos olhos, para comunica cao com um
PDA a bordo de uma cadeiras de rodas robotizada. Tecnicas classicas de ltragem do
sinal mioeletrico e metodos simples de reconhecimento de padroes foram aplicados ao
sinal de piscada de olhos. Ao sistema baseado no rastreamento do movimento dos olhos
foram aplicadas algumas tecnicas de processamento de imagens para a localizac ao da ris
e calculo do centr oide da regiao de interesse.
Diante dos resultados obtidos na ltragem dos rudos, pode-se observar que ambos os
ltros utilizados conseguiram reduzir a relac ao sinal-rudo no SME da piscada de olhos.
Porem, os ltros IIR apresentam ordens muito menores que os ltros FIR, que geram um
atraso relativamente grande no sinal de sada. No entanto, os ltros IIR nao apresentam
resposta em fase linear, sendo necessaria a ltragem forward and reverse, tornando o
sistema nao-causal e dicultando sua utilizac ao em tempo real. Assim, optou-se por
utilizar um ltro FIR, sendo sua banda de passagem concentrada entre 0,45 e 15 Hz.
O presente trabalho nao utilizou parametros classicos empregados na maioria dos
metodos de reconhecimento de padroes em sinais de eletromiograma facial, tais como o
metodo estatstico utilizado em [45, 19]. A metodologia adotada e semelhante `a adotada
em [26].
Os algoritmos implementados e utilizados neste trabalho se mostraram bastante satis-
fatorios, sendo possvel a deteccao do pico e dos intervalos de duracao das piscadas de olho.
A reducao da quantidade e a melhoria na qualidade dos sinais de entrada possibilitaram
a criacao de redes neurais que satiszeram o objetivo principal do trabalho.
As RNAs e a analise de atividade do SME da piscada de olhos demonstraram, de
maneira geral, capacidade de encontrar padroes nos sinais estudados. Porem, as RNAs
4.2 Trabalhos Futuros 82
foram capazes de distinguir os tipos de sinais de piscadas. A topologia feedforward com
algoritmo backpropagation, de duas camadas ativas e uma intermediaria, permitiu uma
classicac ao satisfatoria dos sinais. Os resultados globais apresentaram-se superiores a
98% para os algoritmos de treinamento BR e SCG, e superior a 99% para o algoritmo RP.
Quando implementadas em C++, as RNAs apresentaram resultados satisfatorios,
sendo necessaria uma estrutura relativamente simples, com apenas quatro neuronios na
camada intermedi aria, 40 neuronios na entrada e tres na sada. A rede neural reconheceu
dois padroes de piscada diferentes, no entanto, e possvel implementar uma rede que seja
treinada para, por exemplo, diferenciar a piscada de olhos do movimento do globo ocular.
Atraves da implementac ao de uma interface baseada no rastreamento do movimento
do olhos, tentou-se contornar problemas relacionados ao espasmo muscular involuntario e
`a diculdade de pessoas com deciencia motora severa realizar piscadas de olhos.
A interface baseada no rastreamento dos olhos mostrou-se uma alternativa simples e
barata comparada com sistemas comerciais encontrados na literatura. Com a utilizac ao do
ltro de Canny aliado `a Transformada Circular Randomica de Hough, foi possvel detectar
satisfatoriamente a ris do globo ocular e, assim, determinar uma regiao de interesse,
diminuindo a inuencia da sobrancelha e clios no calculo do centr oide daris. A utilizac ao
do ltro de Kalman aumentou a resolucao do sistema, possibilitando um ajuste no no
rastreamento do movimento dos olhos.
Com o calculo da derivada da imagem foi possvel detectar satisfatoriamente a real-
izac ao da piscada de olhos que, quando realizada, desloca o centr oide da imagem bina-
rizada. Ja com relacao `a iluminac ao, essa continua sendo o maior problema associado
`a tecnica utilizada. Diferentes fontes luminosas alteram signicativamente o calculo do
centr oide da imagem e, conseq uentemente, o rastreamento do movimento dos olhos.
Em ambas as interfaces foi possvel realizar a comunicacao com o PDA, possibilitando,
portanto, realizar a interface do usuario com a cadeira de rodas robotica da UFES.
Finalmente, e importante ressaltar a necessidade de um treinamento previo do usuario
em ambas as interfaces desenvolvidas.
4.2 Trabalhos Futuros
Com relacao ao SME da piscada de olhos, pretende-se estudar outras tecnicas de re-
conhecimento de padroes, como Discriminante Linear de Fisher e Classicador Bayesiano,
4.2 Trabalhos Futuros 83
com o intuito de eleger a melhor maneira de reconhecer padroes do sinal estudado.
Tecnicas de ltragem digital adaptativa tambem devem ser estudas e implementadas
com o objetivo de diminuir a inuencia estocastica do sinal mioeletrico no sistema desen-
volvido.
Com relacao ao sistema baseado no rastreamento do movimento dos olhos, torna-se
interessante a utilizac ao de outras tecnicas de deteccao daris do globo ocular. A utilizacao
de uma mascara para aproximac ao por elipse e uma otima opc ao, pois possui um tempo
de processamento menor do que a Transformada Randomica Circular de Hough.
Com a utilizac ao de uma matriz de calibrac ao e possvel reproduzir, com bastante
precisao, as coordenadas do movimento do globo ocular em uma tela de computador,
expandindo as possibilidades do usuario com deciencia severa e, conseq uentemente, tor-
nando possvel a comunica cao aumentativa e alternativa do mesmo.
84
Referencias
[1] POLLAK, E. I. Diagrams of Neurons, Synapses, Neu-
roanatomy, and Endocrinology. 2007. Disponvel em:
<http://mywebpages.comcast.net/epollak/PSY255 pix/PSY255 pix.htm>. Acesso
em: 17 Agosto 2007.
[2] BELTRAMINI, L. M. Elementos de Histologia e Anatomo-siologia Humana. 2007.
Disponvel em: <http://biologia.ifsc.usp.br/bio1/biologia1.html/cap5>. Acesso em: 17
Agosto 2007.
[3] ORTOLAN, R. L. Estudo e Avaliacao de Tecnicas de Processamento de Sinal
Mioeletrico Para Controle de Sistemas de Reabilitacao. 133 p. Dissertacao (Mestrado)
Universidade de Sao Paulo (USP), Sao Carlos - SP, 2002.
[4] DELSYS, I. A Discussion on Surface Electromyography: Detection and Recording.
2002. Disponvel em: <http://www.delsys.com/KnowledgeCenter/Tutorials.html>.
Acesso em: 19 Agosto 2007.
[5] ELSEVIER, I. Grupo Orbital dos M usculos da Face. 2005. Disponvel em:
<www.anato.ufrj.br/material/>. Acesso em: 25 Agosto 2007.
[6] PONTE, M. N. da. Comunicacao aumentativa e tecnologias de apoio em contexto
pedagogico. In: Actividades de Formacao o Servico da UTAAC. [S.l.: s.n.], 2006.
[7] ESTATSTICA, I. B. de Geograa e. Estatsticas so-
bre Pessoas com Deciencia. 2000. Disponvel em:
<http://www.ibge.gov.br/home/presidencia/noticias/noticia visualiza.php?id noticia=
438&id pagina=1>. Acesso em: 01 Outubro 2007.
[8] BASTOS-FILHO, T. F. 2007. Disponvel em: <http://www.ele.ufes.br/

tfbastos/grupoufes.htm>.
Acesso em: 2 Outubro 2007.
[9] HUDGINS, B.; PARKER, P.; SCOTT, R. N. A new strategy for multifunction myo-
electric control. IEEE Transactions on Biomedical Engineering, v. 40, n. 1, p. 8294,
January 1993.
[10] ENGLEHART, K. et al. Time-frequency representation for classication of the tran-
sient myoeletric signal. Proceedings of the 20th Annual International Conference of the
IEEE Engineering in Medicine and Biology Society, v. 20, n. 5, p. 26272630, 1998.
[11] GALLANT, P. J.; MORIN, E. L.; PEPPARD, L. E. Feature-based classication
of myoelectric signals using articial neural networks. In: DEPARTMENT OF ELEC-
TRIAL & COMPUTER ENGINEERING. Med. Bio. Eng. Comput. Kingston, Ontario,
Canada, 1998. v. 36, p. 485489.
Referencias 85
[12] CAI, L.; WANG, Z.; ZHANG, H. Classifying EMG Signals using T-F Representa-
tion and SVD. Atlanta GA, USA: [s.n.], October 1999. Proceedings of The First Joint
BMES/EMBS Conference Serving Humanity, Advancing Technology).
[13] CUNHA, F. L. et al. O uso de redes neurais articiais para o reconhecimento de
padroes em uma protese mioeletrica de mao. In: I Congresso Iberoamericano de Tec-
nologias de Apoio `a Deciencia (Iberdiscap). [S.l.: s.n.], 2000. p. 339342.
[14] BUENO, L.; CERES, R.; PONS, J. L. Estudio de las tecnologas actuales para
el control de protesis multifuncionales basadas en se nales electromiogracas. In: V
Congresso Iberoamericano de Tecnologias de Apoio `a Deciencia (Iberdiscap). [S.l.:
s.n.], 2005.
[15] ORTOLAN, R. L. et al. Proposta de um sistema de controle de uma protese
mioeletrica multifunc ao para membros superiores. In: V Congresso Iberoamericano de
Tecnologias de Apoio `a Deciencia (Iberdiscap). [S.l.: s.n.], 2005. p. 111114.
[16] VICENZO, C. V. et al. Simulador de comportamentos para proteses mioeletricas
de membro superior. In: V Congresso Iberoamericano de Tecnologias de Apoio `a
Deciencia (Iberdiscap). [S.l.: s.n.], 2005. p. 347351.
[17] CASCaO, C. A. J. et al. Estudo e desenvolvimento de uma protese ativa de pernas
comandada por sinais eletromiogracos. In: VII Simposio Brasileiro de Automacao
Inteligente (SBAI). Sao Luis MA: [s.n.], 2005.
[18] FERREIRA, R. U. et al. Reconhecimento de padroes de sinais de emg para controle
de protese de perna. In: XI Congresso Brasileiro de Biomedica (CBB). [S.l.: s.n.], 2005.
[19] FRIZERA, A. N. et al. Human-machine interface based on electro-biological sig-
nals for mobile vehicles. In: International Symposium on Industrial Electronics (ISIE).
Montreal: [s.n.], 2006. v. 1, p. 29542949.
[20] GUERREIRO, T. J. V.; JORGE, J. A. P. Controlo Miograco de Dispositivos Moveis
para Tetraplegicos. Universidade Tecnica de Lisboa, Lisboa: [s.n.], 2006. Disponvel em:
<http://immi.inesc-id.pt/abstract.php?publication id=173>. Acesso em: 23 Outubro
2007.
[21] COLE, K. J.; KONOPACKI, R. A.; ABBS, J. H. A miniature electrode
for surface electromyography during speech. The Journal of the Acoustical So-
ciety of America, ASA, v. 74, n. 5, p. 13621366, 1983. Disponvel em:
<http://link.aip.org/link/?JAS/74/1362/1>.
[22] LAPATKI, B. G.; STEGEMAN, D. F.; JONAS, I. E. A surface emg electrode for the
simultaneous observation of multiple facial muscles. Journal of Neuroscience Methods,
v. 2, p. 117128, October 2002.
[23] LAPATKI, B. G. et al. Topographical characteristics of motor units of the lower facial
musculature revealed by means of high-density surface emg. Journal of Neuroscience
Methods, v. 95, p. 342354, julyr 2005.
[24] HUANG, C. N.; CHEN, C. H.; CHUNG, H. Y. The review of applications and mea-
surements in facial electromyography. Journal of Medical and Biological Engineering,
v. 25, n. 1, p. 1520, July 2004.
Referencias 86
[25] BLUMENTHAL, T. D. et al. Guidelines for human startje eyeblink electromyo-
graphic studies. Journal of Psychophysiology, v. 42, p. 115, 2005.
[26] NIEMENLEHTO, P. H.; JUHOLA, M.; SURAKKA, V. Detection of electromyo-
graphic signals from facil muscles with neural networks. ACM Transactions on Applied
Perception, v. 3, n. 1, p. 4861, January 2006.
[27] NAVARRO, R. B. Interfaz usuario-maquina basado en electrooculografa. Aplicacion
a la ayuda a la movilidad. Tese (Doutorado) Universidad de Alcala: Escuela
Politecnica, Alcala de Henares, 2001.
[28] SMI. SensoMotoric Instruments GmbH. Berlin, Germany: [s.n.], 2000. Disponvel
em: <http://www.smi.de>. Acesso em: 12 Outubro 2007.
[29] LABORATORIES, O. Express Eye. Freiburg, Germany: [s.n.], 2000. Disponvel em:
<http://www.optom.de>. Acesso em: 12 Outubro 2007.
[30] METROVISION. Perenchies, Fran ca: [s.n.], 2000. Disponvel em:
<http://www.metrovision.fr>. Acesso em: 20 Outubro 2007.
[31] ERICA, I. Eye Response Interface Computer Aid System. Charlottesville, USA: [s.n.],
2000. Disponvel em: <http://www.eyeresponse.com>. Acesso em: 20 Outubro 2007.
[32] GIPS, J.; OLIVIERI, P. An eye control system for persons with disabilities. In:
COMPUTER SCIENCE DEPARTMENT. The Eleventh International Conference on
Technology and Persons with Disabilities. Los Angeles, California, 1996.
[33] KIM, S. I. et al. A fast center of pupil detection algorithm for vog-based eye movement
tracking. In: Engineering in Medicine and Biology 27th Annual Conference. Shanghai,
China: Proceedings of the 2005 IEEE, 2005. p. 14.
[34] IACOVIELLO, D.; CALCAGNINI, G.; CENSI, F. Pupil edge detection and mor-
phological identication from blurred noisy images. In: Proccedings 25th Annual Inter-
national Conference of the IEEE EMBS. Cancun, Mexico: [s.n.], 2003.
[35] ARQUE, R. et al. Building a Low-Cost Device to Track Eye Movement. December
2004.
[36] SCHNEIDER, E. et al. Eye movement driven head-mounted camera: it looks where
the eyes look. Systems, Man and Cybernetics, IEEE International Conference on, v. 3,
p. 24372442, October 2005.
[37] BALLARD, D. H.; BROWN, C. M. Computer Vision. Englewood Clis, New Jersey:
Prentice-Hall, 1982.
[38] YOW, K. C.; CIPOLLA, R. Towards an automatic human face localization system.
In: Department of Engineering In Proc. British Machine Vision Conference. Birming-
ham: Spring-Verlag, 1995. v. 2, p. 701.
[39] BALUJA, S.; POMERLEAU, D. Non-Intrusive Gaze Tracking Using Articial
Neural Networks. Pittsburgh PA, USA: School of Computer Science, Carnigie Mellon
University, 1994. Research Paper CMU-CS-94-102.
Referencias 87
[40] SALVIATO, T. P. Sistema de Inicializacao, Treinamento e Aplicacao de Redes Neu-
rais Articiais na Deteccao de Piscadas de Olhos. Agosto 2007. Monograa (Projeto
de Graduac ao).
[41] ALMEIDA, M. A. F. Filtragem Digital de Sinais Biomedicos. 116 p. Dissertac ao
(Mestrado) Universidade Federal de Santa Catarina (UFSC), Santa Catarina - SC,
1997.
[42] GUYTON, A. C.; HALL, J. E. Textbook of Medical Physiology. 15. ed. Philadelphia:
Elsevier Saunders, 2006. ISBN 0-8089-2317-X.
[43] DELUCA, C. J. Physiolgy and mathematics of myoelectric signals. IEEE Transac-
tions on Biomedical Engineering, v. 26, n. 6, p. 313325, June 1979.
[44] KREIFELDT, J. G.; YAO, S. A signal-to-noise investigation of nonlinear electromyo-
graphic processors. IEEE Transactions on Biomedical Engineering, v. 21, n. 4, p. 298
308, 1974.
[45] TONIOLO, C. de C. Selecao de Smbolos Pictogracos em Tabuleiro Eletronico
Atraves de Sinais Mioeletricos. Novembro 2005. Monograa (Projeto de Graduac ao).
[46] ANALOG. Analog Devices AD7716: 22-Bit Data Acquisition System. 2002. Manual
do Circuito Intergrado AD7716.
[47] RANGARAJ, M. R. Biomedical Signal Analysis. New York: Wiley Interscience, 2002.
[48] BORN, R. S. Filtros Adaptativos aplicados a Sinais Biomedicos. Janeiro 2001. Mono-
graa (Projeto de Graduac ao).
[49] BAREA, R. et al. Electro-oculographic wheelchair using eye movements codication.
v. 22, n. 7-8, p. 641652, August 2003.
[50] ANTONIOU, A. Digital Filters: Analysis, Design and Applications. 2. ed. [S.l.]:
McGraw-Hill, Inc., 1993. ISBN 0-07-002121-X.
[51] DINIZ, P. S. R.; SILVA, E. A. B. da; NETTO, S. L. Processamento Digital de Sinais:
Projeto e Analise de Sistemas. [S.l.]: Bookman, Inc., 2004. ISBN 85-363-0418-9.
[52] CAVALIERI, D. C. Redes Neurais Articiais Aplicadas no Auxlio ao Diagnostico de
Eletrocardiogramas. Dezembro 2005. Monograa (Projeto de Graduacao).
[53] PARKER, S. H.; LEE, S. P. Emg pattern recognition based on articial intelligence
techniques. IEEE Transactions Rehabilitation Eng., v. 6, n. 4, p. 400405, December
1998.
[54] MATHWORKS. Neural Network Toolbox: Users Guide. 2000.
[55] MORAN, A. Exploring Visual Attention Using Eye-Tracking Technology. 2007.
Disponvel em: <http://www.ucd.ie/psydept/eyetrack.html>. Acesso em: 17 Setem-
bro 2007.
[56] ANDO, K.; JOHANSON, C. E.; SCHUSTER, C. R. The eects of ethanol on eye-
tracking in rhesus monkeys and humans. Pharmacology Biochemical Behavior, v. 1,
n. 26, p. 103109, 1987.
Referencias 88
[57] WARD, D. J. Adaptive Computer Interfaces. Tese (Doutorado) University of Cam-
bridge, November 2001.
[58] KIRILLOV, A. AForge.NET framework. 2001. Disponvel em:
<http://code.google.com/p/aforge/>. Acesso em: 1 Outubro 2007.
[59] VALE, G. M. do; POZ, A. P. D. Processo de deteccao de bordas de canny. Bol.
Cienc. Geod., sec. Artigos, v. 8, n. 2, p. 6778, 2002.
[60] GREEN, B. Canny Edge Detection Tutorial. 2002. Disponvel em:
<http://www.pages.drexel.edu/ weg22/can tut.html>. Acesso em: 19 Setembro
2007.
[61] MCLAUGHLIN, R. A. Randomized hough transform: Improved ellipse
detection with comparison. In: . [s.n.], 1997. p. 112. Disponvel em:
<http://ciips.ee.uwa.edu.au/Papers/Technical Reports/1997/01/Index.html>. Acesso
em: 17 Setembro 2007.
[62] MCLAUGHLIN, R. A.; ALDER, M. D. Hough transform versus the upwrite. In:
. University of western Australia, Australia: [s.n.], 1995. p. 113. Disponvel em:
<http://ciips.ee.uwa.edu.au/Papers/Technical Reports/1995/03/Index.html>. Acesso
em: 17 Setembro 2007.
[63] CAVALIERI, D. C.; JORGE, D. C. Redes neurais articiais aplicadas no auxlio
de diagnosticos de eletrocardiogramas. In: XVI Congresso Brasileiro de Automatica
(CBA). [S.l.: s.n.], 2006. p. 339342.
Livros Grtis
( http://www.livrosgratis.com.br )

Milhares de Livros para Download:

Baixar livros de Administrao
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Cincia da Computao
Baixar livros de Cincia da Informao
Baixar livros de Cincia Poltica
Baixar livros de Cincias da Sade
Baixar livros de Comunicao
Baixar livros do Conselho Nacional de Educao - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Domstica
Baixar livros de Educao
Baixar livros de Educao - Trnsito
Baixar livros de Educao Fsica
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmcia
Baixar livros de Filosofia
Baixar livros de Fsica
Baixar livros de Geocincias
Baixar livros de Geografia
Baixar livros de Histria
Baixar livros de Lnguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemtica
Baixar livros de Medicina
Baixar livros de Medicina Veterinria
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Msica
Baixar livros de Psicologia
Baixar livros de Qumica
Baixar livros de Sade Coletiva
Baixar livros de Servio Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo